MétaCan
Menu
Retour à la cohorte
Enregistrement W7115035515

Uncovering the origins of the heavy elements with Spectroscopic r-Process Abundance Retrieval for Kilonovae (SPARK)

2025· dissertation· en· W7115035515 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen MIND · 2025
Typedissertation
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeochemistry and Elemental Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAbundance (ecology)Spectral lineSupernovaSpectroscopy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Quelle est l’origine des éléments les plus lourds de l’Univers ? Les candidats les plus prometteurs sont les fusions de deux étoiles à neutrons ou d’une étoile à neutrons et d’un trou noir. Ces fusions explosives éjectent un matériau exceptionnellement riche en neutrons, qui réunit les conditions nécessaires à la nucléosynthèse de la moitié des éléments plus lourds que le fer par capture rapide de neutrons : le processus r. Les éléments fraîchement synthétisés se désintègrent de manière radioactive et les produits de désintégration se thermalisent dans les éjectas environnants pour produire une kilonova transitoire dans l’ultraviolet, l’optique et l’infrarouge. Dans cette thèse de doctorat, je développe et présente mon outil SPARK : Spectroscopic r-Process Abundance Retrieval for Kilonovae. J’applique SPARK aux spectres optiques/infrarouges précoces de la kilonova qui a accompagné la fusion historique de l’étoile binaire à neutrons GW170817, le seul événement détecté à la fois par les ondes gravitationnelles et les photons à ce jour, afin d’en déduire les abondances élémentaires du processus r et de rechercher l’origine cosmique des éléments lourds. SPARK effectue une inférence bayésienne sur les spectres de kilonova (1) en utilisant des trajectoires paramétriques issues de calculs de réseaux de réactions nucléaires pour obtenir la composition de l’éjecta à partir de quelques paramètres seulement, (2) en utilisant le code de transfert radiatif TARDIS pour générer des spectres synthétiques afin de les comparer aux observations, et (3) en construisant un substitut de processus gaussien pour la distribution postérieure, afin de permettre un apprentissage actif dans le cadre d’un schéma appelé Bayesian Approximate Posterior Estimation. Dans SPARK I (\citealt{vieira23}), je mets en œuvre SPARK et l’applique aux premiers spectres (1,4 jours après la fusion) de la kilonova GW170817. J’en déduis la présence d’un éjecta bleu de kilonova dominé par les éléments plus légers du processus r. Ce travail contient le premier modèle d’abondance élément par élément avec des incertitudes pour les éléments de $Z = 1$~à~$92$ pour une kilonova. Dans SPARK II (\citealt{vieira24}), j’ai étendu à 2,4 et 3,4 jours et mis en oeuvre des modèles d’éjecta multicomposants. J’en déduis que la composante bleue persiste jusqu’à 3,4 jours tandis qu’une nouvelle composante rouge, riche en éléments lourds, émerge à 3,4 jours, ce qui nécessite un éjecta à composantes multiples. Dans SPARK III, je prolonge jusqu’à 4,4 jours, je trouve que les éjectas bleus et rouges persistent, et je calcule les taux de chauffage radioactif et les opacités de 1,4 à 4,4 jours pour les introduire dans un modèle de courbe de lumière. Avec ce modèle de courbe de lumière informé par l’inférence spectrale, je déduis la masse totale de l’éjecta. Au total, j’extrais le modèle d’abondance élément par élément de la kilonova GW170817 entre 1,4 et 4,4 jours, je brosse un tableau cohérent des origines physiques et des mécanismes d’éjection pour les composantes bleue et rouge, et je fais le lien entre les domaines spectraux et temporels dans la modélisation des kilonova. Je constate que les éjectas bleus ne peuvent pas reproduire les abondances des éléments lourds dans notre système solaire, mais que la composante rouge est beaucoup plus proche du modèle solaire. Si GW170817 a produit une kilonova typique, les fusions d’étoiles à neutrons devraient contribuer à la synthèse cosmique des éléments les plus lourds.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,283
Écart entre enseignants0,267 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetGeochemistry and Elemental AnalysisTravaux en français237 207