MétaCan
Menu
Retour à la cohorte
Enregistrement W4415329223 · doi:10.1103/44x3-hv3y

Compact binary coalescence sensitivity estimates with injection campaigns during the LIGO-Virgo-KAGRA Collaborations’ fourth observing run

2025· article· en· W4415329223 sur OpenAlexafffund
R. C. Essick, M. W. Coughlin, M. Zevin, Deep Chatterjee, Teagan A. Clarke, Storm Colloms, U. Mali, Simona J. Miller, Nathan Steinle, Pratyusava Baral, A. C. Baylor, Gareth Cabourn Davies, T. Dent, Prathamesh Joshi, Praveen Kumar, C. Messick, T. Mishra, A. Ouzriat, K. S. Phukon, M. Piendibene, Marion Pillas, M. Trevor, T. A. Callister, M. Fishbach

Notice bibliographique

RevuePhysical review. D/Physical review. D. · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysics and Gravity Measurements
Établissements canadiensUniversity of ManitobaWinnipeg Institute for Theoretical PhysicsCanadian Institute for Theoretical AstrophysicsUniversity of Toronto
Organismes subventionnairesFonds De La Recherche Scientifique - FNRSAustralian GovernmentScience and Technology Facilities CouncilNatural Sciences and Engineering Research Council of CanadaBrinson FoundationNational Science Foundation
Mots-clésBinary numberSensitivity (control systems)Binary dataCoalescence (physics)DetectorDuty cycle

Résumé

récupéré en direct d'OpenAlex

We describe the effort to characterize gravitational-wave searches and detector sensitivity to different types of compact binary coalescences during the LIGO-Virgo-KAGRA Collaborations' fourth observing run. We discuss the design requirements and example use cases for this data product, constructed from $>4.33\ifmmode\times\else\texttimes\fi{}{10}^{8}$ injections during O4a alone. We also identify subtle effects with high confidence, like diurnal duty cycles within detectors. This paper accompanies a public data release of the curated injection set, and the Appendixes give detailed examples of how to use the publicly available 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 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)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,348
Écart entre enseignants0,325 · 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'étudeObservationnel
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

Citations14
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical review. D/Physical review. D.Même sujetGeophysics and Gravity MeasurementsTravaux en français237 207