Caractériser les propriétés atmosphériques de naines rouges à partir de spectres obtenus avec SPIRou
Bibliographic record
Abstract
Au cours des dernières décennies, les naines rouges ont attiré une attention croissante et ont été identifiées comme des cibles de choix pour la chasse aux exoplanètes situées dans la zone habitable de leurs étoiles hôtes, ainsi que pour l'étude des champs magnétiques dans les étoiles froides. Néanmoins, leur étude représente toujours un grand défi technique et scientifique en raison de la faible luminosité de ces étoiles. Cette thèse est dédiée à l'étude des naines rouges, et en particulier à leur caractérisation à partir de spectres proche-infrarouge à haute résolution et à haut rapport signal sur bruit obtenus avec le spectro-polarimètre SPIRou installé au télescope Canada-France-Hawaï. Nous utilisons des spectres synthétiques pour déterminer les paramètres atmosphériques des naines rouges, en utilisant la large couverture en longueur d'onde de SPIRou. Nous montrons comment des modèles différents et des listes de raies différentes peuvent avoir un impact significatif sur les paramètres atmosphériques estimés. Avec notre analyse, nous montrons que nous sommes capables de déterminer ces paramètres avec une précision d'environ 30 K en température effective (Teff ), et 0.1 dex en gravité de surface log g et en métallicité ([M/H]). Nous montrons également que les spectres synthétiques calculés à partir des modèles d'atmosphères MARCS peuvent être utilisés pour estimer l'abondance des éléments alpha, et nous déterminons les paramètres atmosphériques de 44 naines rouges observées dans le cadre du SPIRou Legacy Survey (SLS). Enfin, nous nous concentrons sur les étoiles magnétiques et présentons ZeeTurbo, notre nouveau code basé sur Turbospectrum, auquel nous avons ajouté la résolution de l'équation de transfert radiatif polarisé pour inclure l'effet des champs magnétiques sur les spectres dans nos modèles. Avec ce nouveau code, nous estimons l'intensité moyenne du champ magnétique en plus des paramètres atmosphériques de plusieurs étoiles observées dans le cadre du SLS. Nos résultats et les outils développés guideront de futurs projets visant à caractériser les étoiles M, à estimer les abondances des éléments dans ces étoiles, et à étudier les champs magnétiques, en tirant parti des observations réalisées dans le cadre du SLS, et de son successeur SPICE.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".