MétaCan
Menu
Retour à la cohorte
Enregistrement W4416595382 · doi:10.18727/0722-6691/5393

Multiphase Astrophysics to Unveil the Virgo Environment (MAUVE)

2025· article· W4416595382 sur OpenAlexaff
Barbara Catinella, L. Cortese, Jiayi Sun, Toby Brown, Éric Emsellem, Amelia Fraser-McKelvie, Adam B. Watts, Amy Attwater, Andrew Battisti, Alessandro Boselli, Woorak Choi, Aeree Chung, Elisabete da Cunha, Timothy A. Davis, Sara L. Ellison, Pavel Jáchym, María J. Jiménez-Donaire, Tutku Kolcu, Bumhyun Lee, James McGregor, Ian Roberts, Eva Schinnerer, Kristine Spekkens, Sabine Thater, D. Thilker, Jesse van de Sande, Vicente Villanueva, Thomas G. Williams, Nikki Zabel

Notice bibliographique

RevueArXiv.org · 2025
Typearticle
Langue
DomainePhysics and Astronomy
ThématiqueAstrophysics and Star Formation Studies
Établissements canadiensQueen's UniversityUniversity of VictoriaUniversity of WaterlooMcMaster UniversityHerzberg Institute of Astrophysics
Organismes subventionnairesnon disponible
Mots-clésVirgo ClusterGalaxyStar formationCluster (spacecraft)Galaxy clusterHigh resolution

Résumé

récupéré en direct d'OpenAlex

The Multiphase Astrophysics to Unveil the Virgo Environment (MAUVE) project is a multi-facility programme exploring how dense environments transform galaxies. Combining a VLT/MUSE P110 Large Programme and ALMA observations of 40 late- type Virgo Cluster galaxies, MAUVE resolves star formation, kinematics, and chemical enrichment within their molecular gas discs. A key goal is to track the evolution of cold gas that survives in the inner regions of satellites after entering the cluster, and how it evolves across different infall stages. With its high spatial resolution — probing down to the physical scales of giant molecular cloud complexes — and multiphase synergy, MAUVE aims to offer a time-resolved view of environmental quenching and set a new benchmark for cluster galaxy studies.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
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 Opus0,015
Tête enseignante GPT0,246
Écart entre enseignants0,231 · 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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArXiv.orgMême sujetAstrophysics and Star Formation StudiesTravaux en français237 207