MétaCan
Menu
← Retour à la cohorte
Enregistrement W6969001474 · doi:10.5281/zenodo.3824440

Unveiling the secrets of black holes and neutron stars with high-throughput, high-energy resolution X-ray spectroscopy

2019· article· en· W6969001474 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiquePulsars and Gravitational Waves Research
Établissements canadiensTRIUMFBishop's UniversityCanadian Standards AssociationMcGill UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNeutron starStrong gravityBlack hole (networking)Phenomenology (philosophy)General relativityTests of general relativityStellar black holeStarsGravitation

Résumé

récupéré en direct d'OpenAlex

Neutron stars and black holes (compact objects) are among the most fascinating and puzzling objects in the Universe. They uniquely provide an environment to test the laws of physics at their extremes, as density in a neutron star reaches values several times higher than nuclear density, magnetic fields are billions of times higher than the Sun’s, and gravity around black holes is so strong as to trap light itself. Compact objects, however, do not like to reveal their secrets all at once. Fifty years after their discovery, we still do not know what neutron stars are made of, and the question of how black holes modify space and time around them is still open. The X-ray emission of compact objects presents a rich phenomenology that can lead us to a better understanding of their nature and to address more general physics questions, like: Does general relativity (GR) apply in the strong gravity regime? Is spacetime around black holes described by the Kerr metric? What are the masses, radii and composition of neutron stars and their atmospheres? Recent advancements in transition-edge sensors (TES) present a unique opportunity to open a new window on compact objects: high energy-resolution spectroscopy combined with high-precision timing and high sensitivity.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,011
Tête enseignante GPT0,239
Écart entre enseignants0,229 · 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'étudeObservationnel
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetPulsars and Gravitational Waves Research→Travaux en français237 207→