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 (Zha_2021, Fornax_2019, Fornax_2021, Tamborra_2014, Tamborra_2014, Walk_2018, Walk_2019) Added new Togashi EOS simulation to Nakazato_2013 model Easier interface to download available SN model files Redesigned SNOwGLoBES interface (snewpy.snowglobes module) SNEWPY is now available on PyPI via pip install snewpy 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 Full Changelog: 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 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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,111 | 0,108 |
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 ».