Bayesian Inference of Neutron Star Properties in $f(Q)$ Gravity Using NICER Observations

Resumen Técnico: Inferencia Bayesiana de las Propiedades de Estrellas de Neutrones en la Gravedad $f(Q)$ utilizando Observaciones de NICER

Planteamiento del Problema
Si bien la Relatividad General (RG) describe con éxito los fenómenos gravitatorios en diversas escalas, enfrenta desafíos conceptuales relacionados con las singularidades, la materia oscura y la energía oscura, lo que motiva la exploración de teorías de Gravedad Modificada (GM). Entre ellas, la gravedad teleparalela simétrica (STEGR) y su extensión, la gravedad $f(Q)$, ofrecen una formulación geométrica distinta donde la gravedad se codifica en la no-metricidad del espacio-tiempo en lugar de la curvatura o la torsión. Aunque los modelos $f(Q)$ han sido estudiados en cosmología, su aplicación al régimen de campo fuerte de las estrellas de neutrones (EN) permanece en gran medida inexplorada. Específicamente, existe una falta de estudios sistemáticos de inferencia bayesiana para restringir los parámetros de los modelos $f(Q)$ utilizando datos observacionales, ya que los análisis previos a menudo dependían de elecciones fenomenológicas de parámetros sin una confrontación estadística rigurosa con los datos.

Metodología
Los autores investigan la estructura interna de las estrellas de neutrones dentro del marco de la gravedad $f(Q)$ considerando tres formas funcionales representativas: modelos lineales, logarítmicos y exponenciales. Para aislar los efectos de la gravedad modificada de las incertidumbres de la física de la materia densa, el estudio adopta la ecuación de estado (EoS) DDME2 de campo medio relativista, la cual es realista y dependiente de la densidad.

La metodología procede de la siguiente manera:

1. Marco Teórico: Los autores derivan las ecuaciones de Tolman–Oppenheimer–Volkoff (TOV) modificadas para espaciotiempos estáticos y esféricamente simétricos en la gravedad $f(Q)$. Estas ecuaciones gobiernan el equilibrio estelar y se resuelven numéricamente utilizando un esquema de Runge-Kutta de cuarto orden (RK4).
2. Inferencia Bayesiana: Se emplea un marco bayesiano para restringir los parámetros libres ($\alpha, \beta, Q_0$) de los tres modelos $f(Q)$. El análisis utiliza distribuciones posteriores de masa-radio de las observaciones de NICER de cuatro púlsares: PSR J0030+0451, PSR J0740+6620, PSR J0437+4715 y PSR J0614+3229.
3. Análisis Estadístico: El estudio computa las distribuciones posteriores para los parámetros del modelo y las propiedades derivadas de las EN (masa, radio, deformabilidad de marea y compacidad). La comparación de modelos se realiza mediante el factor de Bayes (BF) para determinar qué forma funcional es estadísticamente preferida por los datos.

Contribuciones Clave

• Primeras Restricciones Bayesianas en $f(Q)$: Este trabajo representa el primer análisis sistemático de inferencia bayesiana de los parámetros del modelo de gravedad $f(Q)$ utilizando observables de estrellas de neutrones, yendo más allá de las pruebas cosmológicas hacia el régimen de campo fuerte.
• Análisis Comparativo de Modelos: El artículo proporciona una comparación estadística rigurosa de los modelos $f(Q)$ lineales, logarítmicos y exponenciales, evaluando su viabilidad frente a los datos de alta precisión de NICER.
• Degeneración y Correlación de Parámetros: El estudio mapea las correlaciones entre los parámetros del modelo y las propiedades de las EN, revelando cómo las diferentes formas funcionales influyen en el acoplamiento entre las modificaciones gravitatorias y la estructura estelar.

Resultados

• Preferencia de Modelo: El análisis bayesiano, respaldado por comparaciones de factores de Bayes, favorece estadísticamente el modelo exponencial $f(Q)$ sobre los casos lineales y logarítmicos. El modelo exponencial exhibe parámetros bien restringidos con distribuciones posteriores casi gaussianas y unimodales. En contraste, el modelo lineal muestra una bimodalidad pronunciada y distribuciones de parámetros amplias, lo que indica fuertes degeneraciones, mientras que el modelo logarítmico presenta incertidumbres moderadas.
• Propiedades de las Estrellas de Neutrones: Para el modelo exponencial preferido, el estudio deriva un radio y una deformabilidad de marea a $1.4 M_\odot$ de $R_{1.4} = 11.27^{+0.53}_{-0.36}$ km y $\Lambda_{1.4} = 156.95^{+84.02}_{-41.73}$, respectivamente. Estos valores son consistentes con las restricciones observacionales actuales.
• Masa Máxima y el Brecha de Masa (Mass Gap): Un hallazgo significativo es que los tres modelos restringidos predicen masas máximas de estrellas de neutrones que alcanzan $M_{\text{max}} \simeq 2.98 M_\odot$. Las regiones de confianza del 95% para la relación masa-radio se extienden hacia la brecha de masa inferior ($\sim 2.5\text{--}5 M_\odot$). Esta predicción surge naturalmente del espacio de parámetros restringido por la inferencia bayesiana sin ser impuesta por construcción.
• Correlaciones: El modelo exponencial demuestra una fuerte interdependencia estructural entre la masa máxima y otras propiedades de las EN, mientras que el modelo lineal muestra independencia estadística entre la masa máxima y otros observables.

Significancia
El artículo afirma que estos resultados resaltan el potencial de las estrellas de neutrones como sondas poderosas de la gravedad teleparalela simétrica en el régimen de campo fuerte. La emergencia de configuraciones estables en la brecha de masa inferior se presenta como una predicción clara y testable del marco $f(Q)$, la cual se distingue de los escenarios estándar de la RG que típicamente producen masas máximas más bajas para la misma EoS. El estudio concluye que el modelo $f(Q)$ exponencial es la descripción estadísticamente más soportada de la estructura de las estrellas de neutrones entre los tres modelos probados, sugiriendo que los efectos de la gravedad modificada pueden mejorar significativamente el soporte gravitatorio de alta densidad. Los autores señalan que las mediciones precisas de masa en la región de la brecha de masa en el futuro podrían servir como un poderoso discriminador entre la RG y los escenarios de gravedad extendida. También sugieren que el trabajo futuro podría involucrar la inferencia bayesiana conjunta con parametrizaciones de EoS flexibles para abordar aún más las degeneraciones entre la gravedad de campo fuerte y la microfísica.