Spins and shapes of 11 near-Earth asteroids observed within the NEOROCKS project
Notice bibliographique
Résumé
Context. The discovery rate of near-Earth asteroids (NEAs) has steadily increased over the past three decades, yet the physical characterization of these objects has not kept pace. Aims. In an effort to help address this gap, we combined targeted photometric observations, archival data, and sparse photometric data from the Asteroid Terrestrial-impact Last Alert System (ATLAS) survey to extract as much information as possible about NEAs’ rotation rates, spin-axis orientations, and shapes. Methods. We selected 17 NEAs with a potential for shape reconstruction and applied the light curve inversion method to derive their sidereal rotation periods, spin-axis directions, and convex shape models. Results. We successfully determined unique spin and shape models for seven NEAs: (5189) 1990 UQ, (6569) Ondaatje, (7025) 1993 QA, (8566) 1996 EN, (86450) 2000 CK33, the Hayabusa2# flyby target (98943) 2001 CC21, and (512245) 2016 AU8. For an additional four asteroids – (66251) 1999GJ2, (137199) 1999KX4, (276786) 2004 KD1, and (495615) 2015 PQ291 – we constrained their sidereal periods, spin-axis orientations, and in some cases, their shapes. Conclusions. This study highlights the importance of integrating new photometric data with archival dense light curves and sparse observations to improve the physical characterization of NEAs, even when working with suboptimal datasets. We constructed 11 NEA models, contributing to the limited set of a few dozen models derived from space missions, radar observations, and light curve inversions.
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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».