On the Energy Distribution of the Galactic Center Excess' Sources

技術要約：銀河中心超過（GCE）のエネルギー分布に関する研究

問題提起
銀河中心付近のガンマ線放射の過剰な放出として観測されている銀河中心超過（GCE）は、その起源をめぐって激しい議論の対象となっている。一部の解析では、これは暗黒物質（DM）の対消滅の証拠となり得ると示唆されているが、一方で、未分解の天体物理学的点源（ミリ秒パルサーなど）の集団に由来するという主張もある。非ポアソン的テンプレートフィッティング（NPTF）や同様の尤度ベースの手法を用いたこれまでの試みは、重大な限界に直面してきた。これらの手法は通常、計算の実行可能性を確保するために、(1) 観測された光子カウントマップにおけるピクセル間の相関を無視し、(2) スペクトル（エネルギー）情報を破棄するという、2つの主要な近似に基づいている。さらに、以前の機械学習アプローチ、特に畳み込みニューラルネットワーク（CNN）を利用した手法は、第1の近似を解決したが、第2の近似を維持しており、単一のエネルギービンでデータを解析していた。このスペクトル情報の欠如は、GCEが支配的な拡散背景放射とは異なるエネルギー・スペクトルを持つことから、GCEを天体物理学的な背景放射から分離する能力を制限している。

手法
著者らは、空間およびスペクトル・データを共同で解析するために、従来のCNN手法を拡張したシミュレーションベースの推論フレームワークを提示している。彼らのアプローチの核となるのは、シミュレートされたFermi-LATマップを用いて訓練された2つの独立したニューラルネットワークである。

1. データ生成： 著者らは、銀河中心領域（25°以内の領域、ただし平面部と明るい光源を除く）を用いた100万個のシミュレートされたFermiマップを生成した。決定的なことに、データは10個の対数的に間隔を空けたエネルギービン（2–20 GeV）に分割されている。シミュレーションには、拡散放射（$\pi^0$ + 制動放射）、等方性放射、Fermiバブル、および点源成分（GCEおよび銀河円盤）のエネルギー依存テンプレートが含まれている。点源成分は、GCEには一般化NFWプロファイル、円盤には二重指数関数を用いてモデル化されている。
2. CNNアーキテクチャ： 本フレームワークは、HEALPixテセレーション上でグラフベースの畳み込みを適用するDeepSphereライブラリを利用している。
   • 入力： 形が $n_{pix} \times n_{bins}$ である光子カウントマップ。ここでは、エネルギービンが標準的なCNNにおけるカラーチャンネルと同様に、チャンネルとして機能する。
   • ネットワーク1（フラックス分率）： 各エネルギービンにおける全フラックスに対する各テンプレートの分率的な寄与を推定する。不確実性を推定するために、ガウス分布を用いた負の対数尤度損失を用いて訓練される。
   • ネットワーク2（ソースカウント分布）： 点源成分の基礎となる明るさ分布（ソースカウント分布、SCD、または $dN/dF$）を推論する。このネットワークは、量子回帰に基づくシミュレーションベースの推論アプローチを採用している。累積フラックス分布のビン化されたヒストグラムを予測するために「Earth mover's pinball loss」を使用し、これによりフラックスビン全体にわたる完全な事後分布の再構成を可能にする。
3. 訓練戦略： ネットワークは、点源があまりに暗いため、ポアソン放射と区別できない状態にあるマップ（DM仮説）が含まれるように、事前分布が選択された模擬データを用いて訓練されている。これは、「無限に多くの無限に暗いソースは、数学的にポアソン放射と等価である」という物理的な縮退に対処するためである。

主な貢献

• 初のエネルギー依存解析： 本研究は、エネルギー情報を明示的に組み込んだ機械学習アプローチを用いて、GCEのスペクトルとそのソースカウント分布（SCD）を同時に推論する初めての事例を提供する。
• スペクトル近似の除去： エネルギービンを入力チャンネルとして扱い、エネルギー依存の装置応答（特に点広がり関数）をシミュレートすることで、本手法は従来の単一ビン近似を超越している。
• 堅牢性の検証： 拡散背景モデル（Model OとModel Aの比較）、GCEの空間形態（NFW、Einasto、Burkert）、およびCNNの訓練事前分布（モード、明るさ、スペクトルのジッター）を変化させ、推論の安定性を評価するための広範な系統的研究を行っている。

結果

• より暗いソース集団： エネルギー情報の導入により、推論されたSCDは、従来の尤度ベースの研究（例：NPTF 2016）や、以前のエネルギー非依存のCNN解析よりも有意に暗くなっている。GCEのSCDのメディアン予測は、ソースが平均して1個未満の光子を生成するフラックスにおいてピークに達する。
• ポアソン放射との整合性： 最良適合背景モデル（Model O）において、超過は本質的にポアソン放射と一致している。95%信頼区間において、ネットワークはポアソン統計と矛盾すると言える放射をわずか3%しか排除できていない。これは、もしGCEが点源の集団であるならば、以前の解析が好んだ数百個という数ではなく、極めて膨大な数のソースが存在しなければならないことを示唆している（メディアン予測は $\mathcal{O}(10^5)$、あるいは90%信頼区間で >35,000）。
• スペクトルの回復： CNNは、以前の研究と一致するGCEのスペクトルを回復するが、ポアソン尤度適合と比較してビン間の変動が大幅に減少している。これは、訓練中に学習されたエネルギービン間の相関を反映している。
• 系統的な感度： 結果は、円盤テンプレートやGCEの形態（合理的な範囲内）の変化に対して堅牢である。しかし、結果は拡散背景モデルの選択に敏感である。データをより悪くフィットする「Model A」で訓練した場合、推論されたSCDはより明るくなり（1フォトンの閾値に近づく）、それでも以前の尤度結果よりは暗い。これは、拡散背景モデルが依然として主要な系統的不確定要素であることを浮き彫りにしている。

意義と主張
本論文は、エネルギー情報の追加が強力なレバーアームとして作用し、GCEの解釈を、分解可能な点源の集団から、真に拡散的な起源（ダークマター消滅など）または、統計的にポアソンノイズと区別がつかないほど多数かつ微細なソースの集団というシナリオへとシフトさせることを主張している。

著者らは、本手法が点源の起源を示す主要な証拠の一つである「ソースの明るさ」を弱めるものであることを認めつつも、結論は背景の系統誤差という注意書きに従うものであると強調している。彼らは、本研究がダークマターの起源を決定的に証明したのではなく、むしろ点源仮説が成立するためには、以前考えられていたよりもはるかに大規模で暗い集団が必要であることを示したものであると述べている。本研究は、ガンマ線天文学における将来の機械学習への応用におけるベンチマークとして機能しており、GCEの性質を決定的に解明するためには、背景の系統誤差の処理の改善とエネルギー範囲の拡大がさらなる課題であることを示唆している。