MétaCan
Menu
← Retour à la cohorte
Enregistrement W6930746541 · doi:10.5281/zenodo.15805056

Blazar jet emission from gradual magnetic dissipation

2025· article· en· W6930746541 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueT-cell and B-cell Immunology
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésBlazarJet (fluid)Lorentz factorDissipationRadiative transferRadiationRadiant energyPhotonMagnetic reconnectionAstrophysical jet

Résumé

récupéré en direct d'OpenAlex

Oral presentation at the 17th HelAS conference. Abstract: Blazar jets shower us with high energy electromagnetic radiation but their emission region, the “blazar zone”, is uncertain because of the inherent limitation of our head-on view of the jets. Emission models vary in both the acceleration mechanism powering the blazar zone and the latter’s extent and location. Here we have adopted a model of magnetic reconnection that drives continuous energy dissipation throughout the jet, gradually varying the jet plasma magnetization and its bulk Lorentz factor with distance from the central engine. We adapted it to a leptonic code that self-consistently calculates photon emission within spherical blobs (LeHaMoC). This was done by treating the jet as a series of segments which interact with each other through radiative transfer. The effects of that radiation spillage are calculated iteratively throughout the jet, accounting for relativistic effects arising from the relative motion of jet segments, until a steady state is reached. We find that this approach produces some distinct differences in the total spectral energy distribution when compared to simply calculating the emission from each constituent sphere of the jet on its own and then adding them up, and can thus be useful in further modeling of expansive emission regions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,018
Tête enseignante GPT0,232
Écart entre enseignants0,213 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetT-cell and B-cell Immunology→Travaux en français237 207→