Ãtude de la variabilité spectroscopique dâun échantillon dâétoiles Wolf-Rayet de type WC9
Bibliographic record
Abstract
Nous savons que la grande majorité des étoiles WC9 produit de la poussière à base\n de carbone. Cette dernière doit se former dans des zones de très haute densité afin de\n survivre à l’environnement hostile qu’est celui du vent d’une étoile WR. Les étoiles WC\n appartenant à un système binaire WR + O produisent de la poussière quand les vents\n des deux étoiles entrent en collision et forment une zone de choc pouvant augmenter\n la densité du gaz d’un facteur 1000. Par contre, plusieurs étoiles WC9 n’ont, à ce jour,\n montré aucun signe de la présence d’un compagnon. Le but du projet est de tenter d’identifier\n un mécanisme alternatif responsable de la formation de poussière dans les étoiles\n WC9 n’appartenant pas à un système binaire. Nous présentons les résultats d’une campagne\n d’observation visant à caractériser la variabilité spectroscopique d’un échantillon\n de huit étoiles WC9 et une étoile WC8d. Nos résultats indiquent que la majorité des\n étoiles montrent des variations à grande échelle dans la raie d’émission C III 5696, soit\n à un niveau d’au moins 5% du flux de la raie et que les structures dans le vent ont une\n dispersion de vitesses de l’ordre de 150-300 km/s. De manière générale, les variations\n de vitesse radiales sont anti-corrélées avec le coefficient d’asymétrie de la raie, ce\n qui semble infirmer la présence d’un compagnon. Des observations en photométrie de\n l’étoile WR103 montrent une période de 9.1 ± 0.6 jours qui s’accorde avec les variations\n spectroscopiques et qui ne semble pas, de manière évidente, d’origine binaire.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 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 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".