MétaCan
Menu
Retour à la cohorte
Enregistrement W4402502715 · doi:10.48550/arxiv.2408.10166

The NANOGrav 15 yr Data Set: Running of the Spectral Index

2024· preprint· en· W4402502715 sur OpenAlexfundno aff
Gabriella Agazie

Notice bibliographique

RevuearXiv (Cornell University) · 2024
Typepreprint
Langueen
DomaineEngineering
ThématiqueCCD and CMOS Imaging Sensors
Établissements canadiensnon disponible
Organismes subventionnairesOffice of Naval ResearchScience and Technology Facilities CouncilCollege of Science, Oregon State UniversityJet Propulsion LaboratoryCouncil for Higher EducationIsrael Academy of Sciences and HumanitiesCanadian Institute for Advanced ResearchVanderbilt UniversityAssociated UniversitiesOregon State UniversityGordon and Betty Moore FoundationNatural Sciences and Engineering Research Council of CanadaAlfred P. Sloan FoundationCalifornia Institute of TechnologyNational Aeronautics and Space AdministrationResearch Corporation for Science AdvancementUniversity of Central FloridaNational Science Foundation
Mots-clésIndex (typography)Set (abstract data type)Spectral indexData setComputer scienceEnvironmental sciencePhysicsMathematicsStatisticsSpectral lineWorld Wide WebProgramming language

Résumé

récupéré en direct d'OpenAlex

Github:Research-Archives/宇宙/研究纲领 at master · calibur88/Research-Archivesname:ch.hyemail:jiuxin303@qq.comThis dataset contains the complete structural analysis pipeline and results for the Heteromorphic Manifold Hypothesis (HMH), a rigid phenomenological detection program that probes structural imprints of manifold pulsations through boundary-inversion of observable excitation spectra within the regular domain. ## Analysis Components - **Singularity detection**: High-order derivative mutation-point identification (2nd/3rd order, 3σ threshold) on NANOGrav 15-year pulsar timing residuals- **VMD harmonic decomposition**: Variational Mode Decomposition (K=5, α=2000) with 100% harmonic detection rate across 33/33 valid pulsars- **Cross-pulsar synchronization**: Kernel Density Estimation (bandwidth=10 days) identifying 36 synchronous clusters (max cluster size: 5 pulsars at MJD 57850.3 and 58793.1)- **Celestial anisotropy**: Rayleigh uniformity test (p = 2.19×10⁻⁶) with directional correlation to Virgo Supercluster (RA≈232°, Dec≈+4.65°) ## Key Results - 369 significant mutation points detected (average 9.00 per pulsar)- Base frequency locked at f₀ ≈ 3.18 nHz (from 3628-day cluster span)- Monte Carlo validation: random subset mean = 1.03 mutations/pulsar vs. observed 9.00- Poisson probability for maximum cluster: p ≈ 3.93×10⁻³ ## Data Source NANOGrav 15-year public dataset (narrowband timing data). This analysis is orthogonal to the NANOGrav Collaboration's published model-dependent interpretations (CPL/RPL/PPL). ## Methodological Stance Zero-parameter data-driven analysis. No preset physical model (power-law, SMBHB background, or anisotropy framework). Results emerge directly from structural pattern recognition without Bayesian model selection or frequency-band cutting. ## Theoretical Context HMH posits that the ΛCDM standard model's 12 anomalies form a complete graph K₁₂ whose edge count exceeds the Turán threshold ex(12,K₃)=36, rendering the "independent patch" strategy logically impossible by combinatorial necessity. The Turán verdict is independent of HMH's physical assumptions — it stands even if HMH is falsified. ## Falsification Conditions - Base frequency drifts outside 1.5–4.5 nHz interval- Residues diverge to white noise- Either condition triggered at >5σ confidence → entire program collapses --- **本数据集包含异型流形假说(HMH)的完整结构分析流程与结果。HMH是一个严格的唯象探测纲领,通过对正则区内可观测激发谱的边界反演,探测流形脉动的结构印记。** ## 分析组成部分 - **奇点检测**:对NANOGrav 15年脉冲星计时残差进行高阶导数突变点识别(二阶/三阶,3σ阈值)。- **VMD谐波分解**:变分模态分解(K=5,α=2000),在全部33颗有效脉冲星上实现100%谐波检测率。- **脉冲星间同步**:核密度估计(带宽=10天),识别出36个同步簇(最大簇规模:在MJD 57850.3和58793.1处各含5颗脉冲星)。- **天球各向异性**:瑞利均匀性检验(p = 2.19×10⁻⁶),方向相关性指向室女座超星系团(赤经≈232°,赤纬≈+4.65°)。 ## 关键结果 - 检测到369个显著突变点(平均每颗脉冲星9.00个)。- 基频锁定在f₀ ≈ 3.18 nHz(来自3628天簇跨度)。- 蒙特卡洛验证:随机子集均值=1.03个突变/脉冲星,观测值为9.00个。- 最大簇的泊松概率:p ≈ 3.93×10⁻³。 ## 数据来源 NANOGrav 15年公开数据集(窄带计时数据)。本分析独立于NANOGrav合作组已发表的模型依赖解释(CPL/RPL/PPL)。 ## 方法论立场 零参数数据驱动分析。无预设物理模型(幂律、SMBHB背景或各向异性框架)。结果直接来自结构模式识别,不经过贝叶斯模型选择或频带切割。 ## 理论背景 HMH认为,ΛCDM标准模型的12个异常构成完全图K₁₂,其边数超过图兰阈值ex(12,K₃)=36,从而在组合学必然性上使得“独立补丁”策略在逻辑上不可能成立。图兰判决独立于HMH的物理假设——即使HMH被证伪,该判决依然成立。 ## 证伪条件 - 基频漂移出1.5–4.5 nHz区间;- 留数发散为白噪声;- 任一条件以大于5σ置信度触发,则整个纲领崩溃。

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,764

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,063
Tête enseignante GPT0,181
Écart entre enseignants0,118 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetCCD and CMOS Imaging SensorsTravaux en français237 207