Analyse spectro-photométrique des naines blanches froides dans l'échantillon Gaia
Bibliographic record
Abstract
Ce mémoire présente une analyse spectro-photométrique de 2880 naines blanches situées dans un rayon de 100 pc du Soleil, plus froides que Teff ∼ 10,000 K, et possédant de la photométrie grizy de Pan-STARRS et une mesure de parallaxe trigonométrique de Gaia. Les données photométriques JHK dans le proche infrarouge sont également incluses, lorsque disponibles, et s’avèrent essentielles pour l’interprétation des naines blanches les plus froides de l’échantillon. Une analyse détaillée de chaque objet individuel est effectuée en utilisant des modèles d’atmosphère de pointe appropriés pour chaque type spectral, y compris les DA, DC, DQ, DZ, les DA riches en hélium, et les naines blanches dites faibles dans l’infrarouge (IR-faint). Les distributions en température et en masse de chaque sous-échantillon sont discutées, ainsi que l’évolution spectrale des naines blanches froides. L’échantillon présente peu d’évidence quant à la transformation des étoiles DA en naines blanches avec une atmosphère riche en hélium par le processus de mélange convectif entre Teff = 10,000 K et ∼6500 K. Cependant, cette tendance change radicalement dans les environs de Teff = 6500–5500 K où la fraction de naines blanches avec une atmosphère riche en hélium atteint ∼45%. Pour les étoiles plus froides (Teff ≲ 5200 K), les résultats indiquent que la majorité des DC ont une atmosphère dominée par l’hydrogène. Un mécanisme possible impliquant la cristallisation et le magnétisme est proposé afin d’expliquer cette transformation soudaine d’une atmosphère riche en hélium en une atmosphère riche en hydrogène. Finalement, cette analyse montre que les naines blanches de type DQ, DZ et DC pourraient former une population plus homogène qu’on ne le pensait auparavant.
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 | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".