以下は、Vincenzo Aronica らによる論文「Growth rate measurements from a joint analysis of the large-scale galaxy clustering in Fourier and configuration space（フーリエ空間と構成空間における大規模銀河クラスタリングの共同分析からの成長率測定）」の技術的な要約です。

1. 研究の背景と課題

宇宙の大規模構造（LSS）の統計的性質を研究することは、ダークエネルギー、ダークマター、および初期条件の理解において極めて重要です。銀河赤方偏移サーベイ（SDSS/BOSS/eBOSS など）では、赤方偏移空間歪み（RSD）を分析することで、構造の成長率 $f$ やその振幅 $\sigma_8$ の積である $f\sigma_8$ を測定し、重力理論を検証します。

従来の RSD 分析は、主に以下の 2 つの空間のいずれかで行われてきました：

• 構成空間（Configuration Space, CS）: 2 点相関関数 $\xi(r)$ をペア・カウンティングで推定。
• フーリエ空間（Fourier Space, FS）: 2 点パワースペクトル $P(k)$ を FFT で推定。

理論的には両者は同じデータから導出されるため同じ結果を与えるはずですが、実際にはノイズ特性、系統誤差の影響、使用スケールの選択により結果が完全に一致しません。既存の手法（Sánchez et al. 2017 など）では、パラメータ事後分布がガウス分布であると仮定して両者の結果を統合（コンセンサス化）していましたが、ノイズの多いデータや非ガウス性の強い事後分布を持つ場合、この仮定が破綻する可能性があります。

2. 提案された手法と方法論

本研究では、CS と FS の分析を同時に（Jointly）行い、単一の事後分布からコンセンサス結果を得るフレームワークを提案・検証しました。

• 理論モデル:

  • ラグランジュ形式の**大規模構造の有効場理論（EFTofLSS）**を採用。
  • DESI などの最新結果で使用されているモデルに基づき、非線形スケールでのクラスタリングを記述。
  • パワースペクトルと相関関数の両方に対して、LPT（ラグランジュ摂動論）と EFT の結合モデルを適用。
  • ShapeFit フレームワークを導入し、パワースペクトルの形状（スロープ）を記述するパラメータ $m$ を含むテンプレート型分析を実施。

• 分析手法の比較:

  1. 個別分析: CS 単独、FS 単独。
  2. ガウス近似法（GA）: 従来の手法。CS と FS のパラメータ事後分布をガウス分布と仮定し、共分散行列を結合してコンセンサスを得る。
  3. 共同空間分析法（JS）: CS と FS の 2 点関数（多極モーメント）を単一のデータベクトルとして結合し、共通のパラメータセットで同時にフィッティングする。
  4. 改良版 JS（JSsep）: CS と FS の間で、ノイズパラメータ（バイアス $b_2, b_s$ やカウンター項 $\alpha_i$ など）を共有せず、それぞれ独立して扱うバージョン。これは、両空間間でノイズパラメータに不一致が生じる場合のバイアスを防ぐために考案されました。

• データセット:

  • シミュレーション: AbacusSummit N-body シミュレーション（25 実装）および EZmocks（1000 実装）。
  • 実データ: BOSS + eBOSS の Luminous Red Galaxies (LRG) サンプル（赤方偏移 $0.6 < z < 1.0$、約 37 万個の銀河）。

3. 主要な結果

モックデータによる検証

• N-body シミュレーション:
  • JS 法（パラメータ共有）では、CS と FS の間でノイズパラメータ（$b_2, \alpha_2, \alpha_4$ など）に 1$\sigma$〜2$\sigma$ の不一致が生じ、フィッティングの質（$\chi^2$）が低下する傾向が見られた。
  • JSsep（パラメータを独立化）を採用することで、バイアスを解消し、$\chi^2$ を改善（約 1.5 まで低下）することに成功した。
  • 1000 個の EZmocks に対する統計的検証では、JSsep は CS や FS と比較して不確実性が小さく、かつ GA 法よりもロバストな結果を示した。
• スケール依存性:
  • CS 分析では $r_{min} = 30 h^{-1} \text{Mpc}$、FS 分析では $k_{max} = 0.20 h \text{Mpc}^{-1}$ を基準スケールとして設定。これ以下のスケールではモデルの破綻が観測された。

実データ（BOSS+eBOSS LRG）への適用

• 結果の整合性:
  • FS 単独、CS 単独、GA、JSsep のすべての手法で得られた $f\sigma_8$、$q_{\parallel}$、$q_{\perp}$（距離歪みパラメータ）は、1$\sigma$ 範囲内で互いに整合していた。
  • JSsep の最終結果:
    $$f\sigma_8 = 0.463 \pm 0.052$$
    $$q_{\parallel} = 1.031 \pm 0.044$$
    $$q_{\perp} = 0.995 \pm 0.021$$
• 既存結果との比較:
  • 2020 年の公式結果（Gil-Marín et al. 2020b, Bautista et al. 2021）とよく一致している。
  • 従来の TNS モデル（オイラー記述）ではなく、EFTofLSS（ラグランジュ記述）とカウンター項を使用している点、およびスケール範囲の拡大（FS で $k_{max}=0.20$ まで）が主な違いである。
  • JSsep は、GA 法が非ガウス性の強い事後分布（特にパラメータ $m$）に対してバイアスを示すのに対し、非ガウス性を適切に捉えた結果を提供した。

4. 論文の貢献と意義

1. 新しい分析フレームワークの確立:
   従来の「事後分布の結合（GA）」ではなく、「データベクトルの結合（JS）」による RSD 分析を初めて詳細に検証し、実データに適用した。これにより、パラメータ事後分布が非ガウスである場合でも、より堅牢な制約を得られることが示された。
2. JSsep モデルの提案:
   CS と FS の間でノイズパラメータを独立化することで、両者の不一致によるバイアスを回避する手法（JSsep）を開発し、その有効性をシミュレーションと実データで証明した。
3. EFTofLSS の実データ適用:
   DESI などで採用されている EFTofLSS モデルを、BOSS/eBOSS の LRG サンプルに対して CS と FS の両空間で同時に適用し、成長率 $f\sigma_8$ の高精度測定を達成した。
4. 将来のサーベイへの示唆:
   本フレームワークは、系統誤差を多極モーメントレベルで平均化でき、成長率や膨張パラメータに対する不偏な制約を提供する。将来の DESI や Euclid などの大規模サーベイにおいて、より信頼性の高い宇宙論パラメータ推定のための標準的な手法となり得る。

結論

本研究は、フーリエ空間と構成空間の情報を統合した共同分析（Joint Space Analysis）が、従来の個別分析やガウス近似法よりもロバストで、かつ統計的に有利な結果をもたらすことを実証しました。特に、パラメータの共有と独立化のバランスを調整した「JSsep」手法は、シミュレーションおよび実データにおいてバイアスのない、高精度な宇宙論パラメータ（$f\sigma_8 = 0.463 \pm 0.052$）を提供しました。これは、将来の宇宙論研究における重要な進展です。