MNRASに論文を提出するためのガイド
MNRASに研究を提出する作家のための簡単なガイド。
― 1 分で読む
この記事は、王立天文学会の「月刊通知」(MNRAS)に作品を提出する作家のためのガイドだよ。必要なステップや、研究を効果的にフォーマットして提示するための提案が載ってる。
始めに
MNRASに論文を準備する時は、特定のドキュメントクラスを使うのが大事。これには、作家が論文を正しくフォーマットするのを手助けする機能が含まれてる。まずは、mnrasパッケージっていう必要なパッケージをダウンロードしてね。インストールしてる組版ソフトによっては、すでに含まれてるかも。なければ、包括的アーカイブネットワークから入手できるよ。
ドキュメントの設定
ドキュメントを設定するには、新しい.texファイルを作成して、最初にmnrasクラスを使うことを指定するよ。これは、mnrasパッケージの使用を示すコマンドを含めることでできる。その後は、標準的な方法でドキュメントをコンパイルすればOK。
論文の構成
論文は、タイトルと著者リストから始めるべきだよ。タイトルは簡潔だけど情報豊富で、完全なタイトルと短いタイトルの2バージョンがある。著者の名前とその所属機関も明確に示す必要があるよ。各機関は、学部、住所、国などの詳細を含めた特定の形式でフォーマットしなきゃ。
要約とキーワード
タイトルと著者情報の後には要約を含める必要がある。要約は研究の主なポイントをまとめていて、単語数の制限も守らなきゃ。要約の後には、キーワードのリストが必要だよ。これらのキーワードは論文をカテゴライズするのに役立ち、承認された用語から取る必要があるから、新しい単語は使っちゃダメ。
セクションとフォーマット
論文の本文は、明確さを向上させるためにセクションに分けるべきだよ。セクションは番号を付けて階層的に整理できるから、読者が内容をナビゲートしやすくなる。非標準のセクションコマンドは避けるべきで、標準のコマンドだけが認識されるからね。
リスト形式で情報を提示する時は、番号付きリストと番号なしリストの両方を使えるけど、箇条書きリストは許可されてないよ。リストは明確にラベル付けして、一貫してフォーマットするようにしよう。
数学と記号
科学論文には数学的表現が多く含まれるよ。この場合、方程式や記号を示すために正しい構文を使わなきゃ。方程式には参照用に番号を付けるべきで、天文学でよく使われる記号には特定のコマンドが用意されてるよ。
数学的な用語を書くときは、記号が意図した通りに見えるように、大きさや表示を維持するのが大事。記号の表示に問題があっても、最終的な組版で通常は修正されるよ。
図と表
図や表のような視覚的補助具は、複雑なデータを示すために欠かせないよ。図を含めるときは、ドキュメント内の指定された環境に挿入して、キャプションを提供する必要があるよ。表のキャプションはその上に、図のキャプションはその下に置くんだ。
図や表の配置は主に出版社が処理するから、著者が手動で位置を修正する必要はないよ。必要なら、図はページの両方のカラムにまたがるようにできるし、複数の図や表は混乱を避けるために正しくリンクさせるべきだよ。
参考文献と引用
科学論文には先行研究を引用することが大事だよ。MNRASは特定の参考文献システムを使っていて、引用はこのスタイルに合わせてフォーマットしなきゃ。各参考文献エントリーには、キーと呼ばれるユニークな識別子が必要だよ。以前の研究を引用する時は、テキスト内にそれを挿入するためのコマンドを使えるよ。
参考文献リストを作成することをおすすめするよ。参考文献は手動で追加できるけど、参考文献管理ソフトを使う方が楽なことが多いよ。このソフトは引用のフォーマットを維持するのを助けて、一貫性を確保してくれる。
付録
もしメインテキストをサポートする追加情報があって、長すぎて含められない場合は、付録に追加できるよ。付録の始まりを示すためには、シンプルなコマンドを使うんだ。付録の情報はよく整理されていて、メインテキスト内で適切に参照されている必要があるよ。
追加パッケージの含め方
高度な機能が必要な場合、著者はドキュメントに追加パッケージを含める必要があるかも。パッケージはドキュメントの能力を強化できるけど、実際に論文で使用する場合のみ含めるべきだよ。それぞれのパッケージの目的についてコメントするのも良い習慣だね。
カスタムコマンド
著者は時々、特に繰り返しのフォーマットニーズのためにカスタムコマンドを作成する必要があるかもしれないよ。これは役立つことがあるけど、既存のコマンドをオーバーライドしないように注意が必要だよ。新しいコマンドは慎重に導入して、しっかりと文書化すべきだね。
データの可用性
最近の要件では、記事にはデータの可用性に関する声明を含める必要があるよ。この情報は、研究に関連するデータセットへのアクセスを読者に提供するもので、データにアクセスする方法、例えば直接リンクや特定のデータベースやファイル番号を参照して説明する必要があるよ。
結論
王立天文学会の月刊通知に論文を提出するには、フォーマット、内容の構成、引用ルールの遵守についての特定の手順に従う必要があるよ。提示されたガイドラインに従うことで、著者は原稿の準備をより良く行え、スムーズなレビューと出版プロセスにつながるんだ。
タイトル: Redshift prediction of Fermi-LAT gamma-ray sources using CatBoost gradient boosting decision trees
概要: The determination of distance is fundamental in astrophysics. Gamma-ray sources are poorly characterized in this sense, as the limited angular resolution and poor photon-count statistics in gamma-ray astronomy makes it difficult to associate them to a multiwavelength object with known redshift. Taking the 1794 active galactic nuclei (AGNs) with known redshift from the Fermi-LAT latest AGN catalog, 4LAC-DR3, we employ machine learning techniques to predict the distance of the rest of AGNs based on their spectral and spatial properties. The state-of-the-art CatBoost algorithm reaches an average 0.56 R2 score with 0.46 root-mean-squared error (RMSE), predicting an average redshift value of $z_{avg}=0.63$, with a maximum $z_{max}=1.97$. We use the SHAP explainer package to gain insights into the variables influence on the outcome, and also study the extragalactic bakground light (EBL) implications. In a second part, we use this regression model to predict the redshift of the unassociated sample of the latest LAT point-source catalog, 4FGL-DR3, using the results of a previous paper to determine the possible AGNs within them.
最終更新: 2023-03-14 00:00:00
言語: English
ソースURL: https://arxiv.org/abs/2303.07922
ソースPDF: https://arxiv.org/pdf/2303.07922
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた arxiv に感謝します。
参照リンク
- https://fermi.gsfc.nasa.gov/ssc/data/access/lat/
- https://catboost.ai/
- https://fermi.gsfc.nasa.gov/ssc/data/access/
- https://en.wikibooks.org/wiki/LaTeX
- https://www.oxfordjournals.org/our_journals/mnras/for_authors/
- https://www.ctan.org/tex-archive/macros/latex/contrib/mnras
- https://detexify.kirelabs.org
- https://www.ctan.org/pkg/natbib
- https://jabref.sourceforge.net/
- https://adsabs.harvard.edu