Supernova remnant candidates discovered by the SARAO MeerKAT Galactic Plane Survey
Notice bibliographique
Résumé
Context. Sensitive radio continuum data could bring the number of known supernova remnants (SNRs) in the Galaxy more in line with what is expected. Due to confusion in the Galactic plane, however, faint SNRs can be challenging to distinguish from brighter H II regions and filamentary radio emission. Aims. We exploited new 1.3 GHz SARAO MeerKAT Galactic Plane Survey (SMGPS) radio continuum data, which cover 251° ≤ ℓ ≤ 358° and 2° ≤ ℓ ≤ 61° at | b | ≤ 1.5°, to search for SNR candidates in the Milky Way disk. Methods. We also used mid-infrared data from the Spitzer GLIMPSE, Spitzer MIPSGAL, and WISE surveys to help identify SNR candidates. These candidates are sources of extended radio continuum emission that lack mid-infrared counterparts, are not known as H II regions in the WISE Catalog of Galactic H II Regions, and have not been previously identified as SNRs. Results. We locate 237 new Galactic SNR candidates in the SMGPS data. We also identify and confirm the expected radio morphology for 201 objects classified in the literature as SNRs and 130 previously identified SNR candidates. The known and candidate SNRs have similar spatial distributions and angular sizes. Conclusions. The SMGPS data allowed us to identify a large population of SNR candidates that can be confirmed as true SNRs using radio polarization measurements or by deriving radio spectral indices. If the 237 candidates are confirmed as true SNRs, it would approximately double the number of known Galactic SNRs in the survey area, alleviating much of the discrepancy between the known and expected populations.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».