Predictions of the LSST Solar System Yield: Near-Earth Objects, Main Belt Asteroids, Jupiter Trojans, and Trans-Neptunian Objects
Notice bibliographique
Résumé
Abstract The NSF-DOE Vera C. Rubin Observatory is a new 8m-class survey facility presently being commissioned in Chile, expected to begin the 10 yr long Legacy Survey of Space and Time (LSST) by the end of 2025. Using the purpose-built Sorcha survey simulator, and near-final observing cadence, we perform the first high-fidelity simulation of LSST’s solar system catalog for key small body populations. We show that the final LSST catalog will deliver over 1.1 billion observations of small bodies and raise the number of known objects to 1.27E5 near-Earth objects, 5.09E6 main belt asteroids, 1.09E5 Jupiter Trojans, and 3.70E4 trans-Neptunian objects. These represent 4×−9× more objects than are presently known in each class, making LSST the largest source of data for small body science in this and the following decade. We characterize the measurements available for these populations, including orbits, griz colors, and light curves, and point out science opportunities they open. Importantly, we show that ∼70% of the main asteroid belt and more distant populations will be discovered in the first 2 yr of the survey, making high-impact solar system science possible from very early on. We make our simulated LSST catalog publicly available, allowing researchers to test their methods on an up-to-date, representative, full-scale simulation of LSST data.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».