Notice bibliographique
Résumé
Abstract We reexamine the expected yield of Gaia astrometric planet detections using updated models for giant-planet occurrence, the local stellar population, and Gaia’s demonstrated astrometric precision. Our analysis combines a semianalytic model that clarifies key scaling relations with more realistic Monte Carlo simulations. We predict 7500 ± 2100 planet discoveries in the 5 yr dataset (Data Release 4 (DR4)) and 120,000 ± 22,000 over the full 10 yr mission (Data Release 5 (DR5)), with the dominant error arising from uncertainties in giant-planet occurrence. We evaluate the sensitivity of these forecasts to the detection threshold and the desired precision for measurements of planet masses and orbital parameters. Roughly 1900 ± 540 planets in DR4 and 38,000 ± 7300 planets in DR5 should have masses and orbital periods determined to better than 20%. Most detections will be super-Jupiters (3–13 M J ) on 2–5 au orbits around GKM-type stars (0.4–1.3 M ⊙ ) within 500 pc. Unresolved binary stars will lead to spurious planet detections, but we estimate that genuine planets will outnumber them by a factor of 5 or more. An exception is planets around M dwarfs with a < 1 au, for which the false-positive rate is expected to be about 50%. To support community preparation for upcoming data releases, we provide mock catalogs of Gaia exoplanets and planet-impostor binaries. 1 1 https://github.com/CalebLammers/GaiaForecasts
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 | 0,011 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».