MétaCan
Menu
Retour à la cohorte
Enregistrement W6948239381 · doi:10.48550/arxiv.astro-ph/0410474

A Genetic Algorithm-Based Exploration of Three Filament Models: A Case for the Magnetic Support of the G11.11-0.12 Infrared-Dark Cloud

2004· preprint· en· W6948239381 sur OpenAlexaff

Notice bibliographique

RevuearXiv (Cornell University) · 2004
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueEnvironmental Monitoring and Data Management
Établissements canadiensHerzberg Institute of Astrophysics
Organismes subventionnairesnon disponible
Mots-clésMagnetic fieldPolarization (electrochemistry)Protein filamentMagnetic structureCloud computingMagnetic cloud

Résumé

récupéré en direct d'OpenAlex

The G11.11-0.12 infrared-dark cloud has a filamentary appearance, both in extinction against the diffuse infrared emission of the Galactic plane and in emission at 850 microns. We use a novel computational technique based on an advanced genetic algorithm to explore thoroughly 3 different models of self-gravitating, pressure truncated filaments and to constrain their parameters. Specifically, the models tested are the non-magnetic Ostriker (1964) model, a generalized version of the magnetic Stodolkiewicz (1963) model, and the magnetic Fiege & Pudritz (2000) model. Previous results showed that G11.11-0.12 has a much steeper r^{-4} radial density profile than other filaments, where the density varies approximately as r^{-2}, and that this steep density profile is consistent with the Ostriker (1964) model. We present a more complete analysis that shows that the radial structure of G11.11-0.12 is consistent with regimes of each of these models. All of the magnetic models that agree with the data are threaded by a dominant poloidal magnetic field, and most have dynamically significant fields. Thus, G11.11-0.12 is an excellent candidate for radial support by a magnetic field that is predominantly poloidal. We predict the polarization patterns expected for both magnetic models and show that the two magnetic models produce different polarization patterns that should be distingished by observations.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,088
Tête enseignante GPT0,175
Écart entre enseignants0,087 · 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
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetEnvironmental Monitoring and Data ManagementTravaux en français237 207