Bibliographic record
Abstract
Deux sujets de recherche variés en radioastronomie sont décrits dans cette thèse avec des applications à la réionisation et à la localisation des sursauts radio rapides. La réionisation est l'époque de l'histoire de notre univers au cours de laquelle les photons UV des premières galaxies ont réionisé l'univers. Les sursauts radio rapides (FRB) sont des phénomènes transitoires radio courts et extrêmement lumineux, observés pour la première fois en 2007 et très dispersés. Bien qu'ils semblent initialement sans rapport, ces deux domaines pourraient s'avérer synergiques et prometteurs à l'avenir. Les FRBs pourraient aider à contraindre l'astrophysique de la réionisation en utilisant leur mesure de dispersion caractéristique.Nous décrivons une méthode permettant de réaliser la première reconstruction de la distribution postérieure complète du champ de densité de matière pendant la réionisation à partir de mesures de la température de brillance à 21 cm. Cela permettra aux futures expériences interférométriques à 21 cm d'utiliser leurs mesures de température de brillance pour prédire la structure de notre univers pendant la réionisation. Nous présentons également une exploration préliminaire de l'utilisation des satellites du Global Navigation Satellite Systems (GNSS) pour calibrer l'interférométrie à très longue base (VLBI). L'ionosphère a pour effet de déformer et de retarder les signaux radio lorsqu'ils sont transmis aux télescopes sur Terre. En raison de la précision sub-nanoseconde requise par l'interférométrie à très longue base aux fréquences des FRB, un calibrateur au-dessus de l'ionosphère est nécessaire pour mesurer ce retard en temps réel. L'utilisation de satellites GNSS est motivée par le manque d'étalonnages en régime permanent à basse fréquence avec les futurs instruments de VLBI et les prochains outriggers de l'expérience canadienne de cartographie de l'intensité de l'hydrogène (CHIME). Cela contribuera à une éventuelle localisation à la milliarcseconde des FRBs dans les galaxies avec les outriggers de CHIME. En localisant précisément les FRBs, nous pourrons peut-être mieux discerner leurs origines
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 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 | 0.001 |
| Open science | 0.001 | 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".