Comparative Analysis of EMCEE, Gaussian Process, and Masked Autoregressive Flow in Constraining the Hubble Constant Using Cosmic Chronometers Dataset

1. 問題設定 (Problem)

ハッブル定数 $H_0$ の正確な測定は宇宙の進化を理解する上で不可欠ですが、現在「ハッブル定数問題（Hubble Tension）」として知られる、CMB（プランク衛星）に基づく値（約 67.4 km/s/Mpc）と、局所宇宙の超新星・セファイド変光星に基づく値（約 73.0 km/s/Mpc）の間に 5$\sigma$ 以上の有意な不一致が存在します。
この問題の解決策の一つとして、モデルに依存しない方法でハッブルパラメータ $H(z)$ を測定する「宇宙クロノメータ（CC）」データを用いて $H_0$ を制約するアプローチがあります。しかし、同じ CC データセットを用いても、解析手法（EMCEE、GP、MAF）によって導出される $H_0$ の値やその不確実性が異なり、どの手法が最も信頼性が高いか、あるいはどのような特性を持つかが明確にされていませんでした。

2. 手法 (Methodology)

本研究では、3 つの主要な手法を同一の CC データセット（$N=33$、赤方偏移 $z \in [0.07, 1.965]$）に適用し、以下の 2 つの次元で比較を行いました。

A. 個々のデータ点に対する感度分析 (Sensitivity Analysis)

各手法が個々の $H(z)$ 測定値にどの程度敏感に反応するかを評価するために、モンテカルロ・デリート-$d$ジャックナイフ法（MCDJ） を採用しました。

• 手順: 33 個のデータ点から 7 個をランダムに除去し（$d=7$）、残りの 26 個で $H_0$ を再推定する操作を 1000 回繰り返しました。
• 評価指標: 1000 回の試行で得られた $H_0$ の事後分布の中央値の分散、モードと全データセットからの値との差（$\Delta H_0$）、および 2$\sigma$ 範囲の広さを比較しました。
• 赤方偏移依存性: 低赤方偏移（$z < 0.48$）と高赤方偏移（$z \ge 0.48$）の 2 つの領域にデータを分割し、各領域のデータ除去が $H_0$ に与える影響の違いも分析しました。

B. 制御されたシミュレーションによる性能評価 (Simulation-based Performance)

真の値（Ground Truth）が既知の擬似データ（Mock Data）を用いて、各手法の精度と信頼性を評価しました。

• シミュレーション設定: 2 つの異なる生成モデルを用いて 100 個の独立した擬似 CC データセットを生成しました。
  1. $\Lambda$CDM ベース: 平坦な $\Lambda$CDM モデルに基づき、$H_0 = 67.75$ を真の値として設定。
  2. ガウス過程（GP）ベース: 観測データから GP で再構成した曲線を基準とし、$H_0 = 67.21$ を真の値として設定。
• 評価指標:
  1. 中央値の精度: バイアス（Bias）と二乗平均平方根誤差（RMSE）。
  2. 信頼区間の較正（Calibration）: 68% および 95% 信頼区間が真の値をカバーする頻度（Coverage）。
  3. 事後分布の全体的な品質: 真の値における対数スコア（Log Score）。

3. 主要な貢献 (Key Contributions)

• 手法間の感度差の定量的な解明: MCDJ を用いて、同じデータセットに対する 3 つの手法の「個々のデータ点への感度」を初めて体系的に比較しました。
• 赤方偏移による感度の非対称性の発見: 手法によって、低赤方偏移データと高赤方偏移データのどちらが $H_0$ 推定に敏感に寄与するかが異なることを示しました。
• 多角的な性能ベンチマーク: 単一の指標ではなく、バイアス、RMSE、カバレッジ、対数スコアを組み合わせた多面的な評価により、モデル依存（EMCEE）とモデル非依存（GP, MAF）の手法のトレードオフを明確化しました。

4. 結果 (Results)

A. 感度分析の結果

• データ点除去への感度: GP が最も敏感で、次に MAF、そして**EMCEE が最も安定（ insensitive）**でした。GP は個々のデータ点の除去によって $H_0$ の推定値が大きく変動します。
• 赤方偏移依存性:
  • EMCEE と GP: 高赤方偏移（$z \ge 0.48$）のデータ点に対して $H_0$ の推定値がより敏感に反応します。
  • MAF: 低赤方偏移（$z < 0.48$）のデータ点に対してより敏感です。これは、MAF が学習されたマッピングにおいて低赤方偏移のデータが局所的な正規化に重要視されているためと考えられます。

B. シミュレーション性能評価の結果

• 全体性能: EMCEE が最も優れており、GP は中程度、MAF が最も劣るという結果が、$\Lambda$CDM ベースと GP ベースの両方のシミュレーションで一貫して得られました。
  • EMCEE: RMSE が最小、対数スコアが最高。信頼区間は若干保守的（広め）ですが、バイアスは小さいです。
  • GP: 信頼区間の較正（カバレッジ）は概ね良好ですが、負のバイアス（真の値より低い値を推定する傾向）が大きく、RMSE も大きいです。
  • MAF: バイアスは小さいものの、RMSE が最大で、対数スコアが最も低く、実現ごとの変動が大きいことが示されました。また、95% 信頼区間において真の値をカバーしない（under-coverage）傾向が見られました。

C. GP のバイアスに関する洞察

GP 手法で見られた負のバイアスは、シミュレーションデータの生成過程における系統的なズレ（オフセット）によるものではなく、GP 再構成そのものの特性に起因する可能性が高いことが示唆されました。このバイアスはシミュレーションの枠組み（$\Lambda$CDM か GP か）によって現れ方が異なるため、観測データに対して単純な加算補正を適用することは推奨されません。

5. 意義と結論 (Significance and Conclusions)

本研究は、ハッブル定数の制約において「手法の選択」が結果に与える影響が甚大であることを示しました。

• 推奨される手法:

  • EMCEE: 明示的な宇宙論モデル（$\Lambda$CDM）を許容できる場合、デフォルトとして推奨されます。最も安定しており、精度と信頼区間の品質が優れています。
  • GP: モデル非依存の再構成が必要な場合や、頑健性のクロスチェックとして有用ですが、推定値のバイアスとデータ点への過剰な感度から、精度重視のデフォルト手法としては推奨されません。
  • MAF: 現在の CC データセットのみの設定では、シミュレーションベースの検証指標において最も性能が低く、デフォルトとしては推奨されません。

• 今後の指針:
  将来の研究では、単に $H_0$ の中央値と誤差を報告するだけでなく、(1) 個々の測定値への感度診断（MCDJ など）、(2) シミュレーションに基づく性能検証指標（バイアス、カバレッジ、対数スコア）を併せて報告することが、結果の解釈可能性と研究間の比較可能性を高めるために不可欠であると提言しています。

この研究は、ハッブル定数問題の解決に向けたデータ解析の厳密性を高め、異なる手法間の結果の不一致を理解するための重要な基盤を提供しています。