MétaCan
Menu
Back to cohort
Record W7115035515

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

2025· dissertation· en· W7115035515 on OpenAlexaboutno aff

Bibliographic record

VenueOpen MIND · 2025
Typedissertation
Languageen
FieldEarth and Planetary Sciences
TopicGeochemistry and Elemental Analysis
Canadian institutionsnot available
Fundersnot available
KeywordsAbundance (ecology)Spectral lineSupernovaSpectroscopy
DOInot available

Abstract

fetched live from 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.

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 imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.002
Threshold uncertainty score0.005

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.016
GPT teacher head0.283
Teacher spread0.267 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2025
Admission routes1
Has abstractyes

Explore more

Same venueOpen MINDSame topicGeochemistry and Elemental AnalysisFrench-language works237,207