MétaCan
Menu
Retour à la cohorte
Enregistrement W4407023915 · doi:10.1016/j.ascom.2025.100933

The influence of spin in black hole triplets

2025· article· en· W4407023915 sur OpenAlexaff
Ariel Chitan, Aleksandr Mylläri, M. J. Valtonen

Notice bibliographique

RevueAstronomy and Computing · 2025
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueBlack Holes and Theoretical Physics
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSpin (aerodynamics)PhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Spin can influence the dynamics of the already chaotic black hole triplet system. We follow this problem in two sets of simulations: first, the Agekian–Anosova region (or region D), and second, using Pythagorean triangles. We use ARCcode, an N-body code that performs numerical integration of orbits. This code includes post-Newtonian corrections, which we include up to the 2.5th order. In set one of our simulations, we fix the masses of the black holes at 10 6 M ⊙ . Then we run the simulations first without any spin added and after by initialising spin on one of the black holes. We find that after including spin into the system, 12.9% of the simulations changed outcomes. Either the systems went from having all black holes merging to having a black hole escaping the system, or vice versa. In the second set of simulations, we expanded into Pythagorean triangles as initial positions of black holes, stemming from Burrau’s three-body problem. We varied the masses of the black holes from 10 0 M ⊙ –10 12 M ⊙ . Black holes in these systems were given spin in normalised units ranging from 0 to ∼ 0.95. We find that intermediate mass black holes in the range of 10 4 M ⊙ –10 5 M ⊙ , were influenced the most by spin, particularly in their lifetimes. We also find that simulations, initialised as 2-dimensional, become 3-dimensional.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,004
Tête enseignante GPT0,229
Écart entre enseignants0,226 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAstronomy and ComputingMême sujetBlack Holes and Theoretical PhysicsTravaux en français237 207