Data Release: "A neural network emulator of the Advanced LIGO and Advanced Virgo selection function"
Notice bibliographique
Résumé
This dataset contains results presented in "A neural network emulator of the Advanced LIGO and Advanced Virgo selection function" (arXiv: 2408.16828). The code used to generate this data and produce figures in the paper can be found at https://github.com/tcallister/learning-p-det/. Specific instructions about the workflow are provided in the accompanying documentation. The primary deliverable of this work is a trained neural network emulator for the compact binary selection function during the Advanced LIGO and Advanced Virgo O3 observing run. This emulator is made available in a standalone companion repository, https://github.com/tcallister/pdet. Additional information: The files endo3_bbhpop-LIGO-T2100113-v12.hdf5, endo3_bnspop-LIGO-T2100113-v12.hdf5, and endo3_nsbhpop-LIGO-T2100113-v12.hdf5, used for network training, were created and released by the LIGO-Virgo-KAGRA Collaboration at https://zenodo.org/records/7890437. The file sampleDict_FAR_1_in_1_yr.pickle, used during hierarchical inference, was created via code in the repository https://github.com/tcallister/get-lvk-data. Inference results (popsummary_standardInjections.h5 and popsummary_dynamicInjections.h5) are provided in the popsummary results format; see https://git.ligo.org/christian.adamcewicz/popsummary. Changelog: v2: Added missing file sampleDict_FAR_1_in_1_yr.pickle
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,048 | 0,082 |
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 ».