Analyse conjointe des vitesses radiales de HARPS et NIRPS : une application sur le système GJ 3090
Bibliographic record
Abstract
La caractérisation des exoplanètes orbitant autour des étoiles naines M, qui dominent la population stellaire galactique, est essentielle pour comprendre la diversité des mondes extrasolaires. Leur faible masse rend les vitesses radiales (RV) particulièrement sensibles aux signaux planétaires, permettant d’estimer précisément la masse des planètes et, combinée à leur rayon, d’en déduire leur densité et leur composition interne. Cette thèse présente une analyse approfondie du système GJ 3090 à partir de données RV obtenues avec HARPS (visible) et NIRPS (infrarouge), deux instruments à haute résolution capables d’observations simultanées. Cette complémentarité améliore notre capacité à distinguer les signaux planétaires de l’activité stellaire, un défi majeur pour les étoiles actives comme les naines M. Nous développons un modèle fondé sur un processus gaussien multidimensionnel ajustant simultanément les vitesses radiales et plusieurs indicateurs d’activité. Cette approche permet de contraindre efficacement l’activité stellaire tout en préservant les signaux planétaires authentiques. Deux résultats principaux en découlent : (1) Nous affinons la masse de GJ 3090 b, réduisant son incertitude relative de 22 % à 10 %. Cette détermination précise de la masse est importante, car une meilleure contrainte sur la densité globale de la planète améliorera la fiabilité des analyses de composition atmosphérique. (2) Deux signaux additionnels sont détectés. L’un d’eux est attribué à une nouvelle planète confirmée, GJ 3090 c, et l’autre à une planète candidate sur la base de comparaisons de modèles bayésiens et de tests de probabilité de fausse alarme. Ces résultats soulignent le potentiel des approches multi-instrument et des processus gaussiens multidimensionnels pour la détection et la caractérisation de planètes autour des naines M.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".