FOSSIL. IV. The Significance-convergence Test—An Algorithm for Selecting Reliable Rotation Periods of Small Solar System Bodies
Notice bibliographique
Résumé
Abstract Manual review to select a reliable rotation period of small solar system bodies (SSSBs) is a very time-consuming process. With the growing volume of lightcurve data collected by wide-field, high-cadence surveys, such manual inspection has become impractical and unsustainable. In response to this challenge, we present a new algorithm, called the significance-convergence test, which provides a quantitative way to select reliable rotation periods of SSSBs obtained from these wide-field, high-cadence surveys. This algorithm was developed based on two simulations, each containing 162,000 synthetic lightcurves generated according to the observational conditions and data properties of the surveys from the phase I of the Formation of the Outer Solar System: an Icy Legacy (FOSSIL I) and Pan-STARRS 1 (PS1). Using two parameters extracted from period analysis, the successful recoveries of the input rotation periods from the synthetic lightcurves can be distinguished from unsuccessful recoveries and noisy lightcurves. The first parameter, 1/ S , indicates the significance of the best-fit spin rate, while the second parameter, C , represents the condition of convergence of the best-fit lightcurve. This algorithm can also be used as a mapping to the conventional quality code of manual review, U , defined by Warner et al. The significance-convergence test thus provides a practical alternative to manual review, which is a time-consuming and biased process.
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 | 0,009 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».