SNEWPY: A Data Pipeline from Supernova Simulations to Neutrino Signals
Notice bibliographique
Résumé
This version of SNEWPY was submitted to the Journal of Open Source Software (see pre-review and review). Many thanks to the reviewers and editors! What's Changed since v1.0 Added multiple new models (<code>Zha_2021</code>, <code>Fornax_2019</code>, <code>Fornax_2021</code>, <code>Tamborra_2014</code>, <code>Tamborra_2014</code>, <code>Walk_2018</code>, <code>Walk_2019</code>) Added new Togashi EOS simulation to <code>Nakazato_2013</code> model Easier interface to download available SN model files Redesigned SNOwGLoBES interface (<code>snewpy.snowglobes</code> module) SNEWPY is now available on PyPI via <code>pip install snewpy</code> Added documentation on Read The Docs, improved example notebooks and scripts Various minor bugfixes, performance and other improvements SNEWPY now requires Python 3.7 or newer. New Contributors @joshuashzha made their first contribution in https://github.com/SNEWS2/snewpy/pull/35 @schol made their first contribution in https://github.com/SNEWS2/snewpy/pull/39 @thomahrens made their first contribution in https://github.com/SNEWS2/snewpy/pull/41 @mcolomermolla made their first contribution in https://github.com/SNEWS2/snewpy/pull/56 @jpkneller made their first contribution in https://github.com/SNEWS2/snewpy/pull/93 @sgriswol made their first contribution in https://github.com/SNEWS2/snewpy/pull/105 <strong>Full Changelog</strong>: https://github.com/SNEWS2/snewpy/compare/v1.0.0...v1.1
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,494 | 0,022 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».