A Fully Photometric Approach to Type Ia Supernova Cosmology in the LSST Era: Host Galaxy Redshifts and Supernova Classification

技術要約：LSST時代における完全フォトメトリックなType Ia 超新星宇宙論

問題提起
次世代のベラ・C・ルービン天文台によるLSST（Legacy Survey of Space and Time）は、約100万個のType Ia 超新星（SNe Ia）を発見すると予測されている。しかし、これほど膨大なイベントを分類したり、ホスト銀河の分光赤方偏移（$z_{spec}$）を確保したりするための分光学的リソースは、将来的に不足することになる。歴史的に、SNe Ia の宇宙論は、ダークエネルギーを制約するために分光による確認と赤方偏移に依存してきた。LSST時代におけるフォトメトリックなアプローチの必要性は、フォトメトリック分類、フォトメトリック赤方偏移（$z_{phot}$）、および非SNe Iaの混入（コンタミネーション）を同時に扱うことができる、完全なフォトメトリック手法を求めている。Mitra et al. (2023, M23) などの先行研究はフォトメトリック赤方偏移については扱っているが、完璧な分類を仮定していた。また、他の研究は分類については扱っているものの、ホストの $z_{phot}$ に起因する系統誤差を宇宙論解析に完全には統合していなかった。本論文は、フォトメトリック分類、ホストの $z_{phot}$、および非SS Iaの混入を組み合わせた包括的なシミュレーションと解析を行うことで、このギャップに対処し、LSSTの宇宙論的制約を予測するものである。

手法
著者らは、現実的なデータセットを生成するために、ELAsTiCC（Extended LSST Astronomical Time Series Classification Challenge）に基づくシミュレーションを利用している。解析パイプラインは、主に5つの段階で構成される：

1. データシミュレーション:

   • サンプル: 研究では25個の独立したサンプルをシミュレートしている。各サンプルには、分光的に確認された低赤方偏移（$z \le 0.08$）のSNe Ia（Wide Fast Deepフィールド）と、高赤方偏移（$z < 1.55$）のDeep Drilling Fields（DDF）が含まれる。
   • 混入（コンタミネーション）: 高赤方偏移のサンプルには、現実的な非SNe Iaの混入物（SN II, Ib, Ic、および 91bg や Iax のような特異なSNe Ia）およびホスト銀河の誤同定が含まれる。
   • ホスト特性: 過渡現象とホストの相関、星質量、星形成率、およびフォトメトリック赤方偏移の確率密度関数（PDF）をモデル化するために、ELAsTiCCのホスト銀河ライブラリ（HOSTLIBs）を使用している。
   • トリガー: 差分画像解析（DIA）の効率に基づく2検出トリガーを通過した場合に、イベントが記録される。

2. ライトカーブ・フィッティング:

   • SNe Ia のライトカーブは、NIR拡張を備えたSALT3モデルを用いてフィッティングされる。
   • 超新星とホスト銀河の結合フィッティングが行われ、ホストの $z_{phot}$ を（$t_0, x_0, x_1, c$ と並んで）第5のパラメータとして扱い、ホスト $z_{phot}$ のPDFを事前分布として用いる。
   • 系統誤差は、変動（例：較正、消散、$z_{phot}$ のシフト）を適用し、$\chi^2_{syst}$ 項を用いることで、フィッティングされたパラメータが系統的な変動に対して一貫性を保つようにモデル化されており、これによりイベントの損失を軽減している。

3. フォトメトリック分類:

   • 超新星である確率（$P_{Ia}$）を決定するために、SCONE（Supernova Classification with a Convolutional Neural Network）分類器が採用されている。
   • このネットワークは、SNe Ia をコア崩壊型超新星や特異なSNeから識別するために、シミュレーションデータを用いて98%以上の精度を実現するように訓練されている。

4. バイアス補正とハッブル図の構築:

   • 「BEAMS with Bias Corrections (BBC)」フレームワークが使用される。BEAMSは、分類確率を周辺化することで非Iaの混入を考慮する。
   • 選択効果や赤方偏移、ストレッチ、色、ホスト質量に依存する距離指数（distance modulus）のバイアスを補正するために、大規模なシミュレーションサンプルからバイアス補正（$\Delta \mu_{bias}$）を導出する。
   • 計算効率を最適化するために、ビン分割（binned）、非ビン分割（unbinned）、および「再ビン分割（re-binned）」形式で利用可能な、バイアス補正済みハッブル図（HD）が構築される。

5. 宇宙論的フィッティング:

   • 統計的成分と系統的成分の両方を含む共分散行列を用いた $\chi^2$ 最小化によって、宇宙論パラメータをフィッティングする。
   • 縮退を解くために、宇宙マイクロ波背景放射（CMB）の事前分布が適用される。
   • フィッティングは、$w$CDM モデルおよび Chevallier-Polarski-Linder (CPL) $w_0w_a$CDM モデルに対して行われる。

主な貢献

• 初の包括的なフォトメトリック解析: 本研究は、完璧な分類を仮定することなく、フォトメトリック分類、ホスト $z_{phot}$、および非SNe Iaの混入を同時に組み込んだ、LSSTのための最初のエンドツーエンドの宇宙論解析の一つを提示している。
• 系統誤差の取り扱い: 系統誤差をフォトメトリックな文脈で扱うための厳密な手法を詳述しており、これには、有効な共分散行列を構築するために、系統的な変動間で共通のイベントサンプルを維持するという斬新なアプローチが含まれる。
• 再ビン分割による効率化: 著者らは、アンビン分割解析と比較して計算の壁時間（wall time）を4分の1に削減しつつ、最適な制約を維持できる「再ビン分割」ハッブル図のアプローチを実証しており、将来の膨大なデータセットに対するスケーラブルな道筋を提示している。
• バイアスの特性評価: 解析によって、回収された宇宙論パラメータにおける残留バイアスを特定・定量化しており、それらを特定の解析ステップや系統誤差に帰属させている。

結果

• サンプル統計: 生成された約234,000個の高赤方偏移サンプルから、選択カット後に約5,034個のSNe Iaと約645個の混入物が残り、最終的なサンプルは約5,725個となる。SNe Ia サンプルの純度は、カット前（物理的な発生率）の約15%から、カット後には約90%に上昇する。
• 宇宙論的制約:
  • $w$CDM モデルについて、シミュレーションサンプルのFigure of Merit (FoM) は約150（統計＋系統）であり、これは DES-SN5YR の FoM である 54 よりも大幅に大きい。
  • $w_0w_a$CDM モデルについて、統計のみの FoM は約190であり、系統誤差を含めると約150へと低下する（約25–30%の劣化）。
  • 再ビン分割解析は、アンビン分割解析と同等の FoM を提供する（例：$w_0w_a$CDM における統計＋系統で 159 対 156）。
• バイアス: 解析は、回収された宇宙論パラメータにおける小さくも統計的に有意なバイアス（例：$w$-bias が ~0.01–0.03、$w_a$-bias が ~0.12–0.27）を明らかにしている。
  • これらのバイアスは、較正や $z_{phot}$ のシフトといった既知の系統誤差を補正した後でも持続する。
  • 著者らは、非SNe Ia イベントを除外するとバイアスが消失することに注目しており、分類エラーと混入の相互作用が残留バイアスの主要な原因であることを示唆している。
  • 較正の系統誤差（特にゼロポイントとフィルターのシフト）は、$z_{phot}$ と SALT3 カラーパラメータ間の反相関によって距離誤差が自己補正されるため、$z_{phot}$ 系統誤差よりも FoM 劣化の支配的な要因であることが特定された。

意義と主張
本論文は、完全にフォトメトリックなアプローチが実現可能であり、現在のサーベイ（DESなど）よりも優れた制約を提供できることを示し、LSST 宇宙論への重要なロードマップを提供すると主張している。しかし、著者らは現在の解析の状態については控えめな表現を用いている。彼らは、残留バイアスの存在は、この手法を実際のデータに適用する前に「さらなる解析開発が必要である」ことを明示的に述べている。本研究は、統計的な不確かさが支配的になる一方で、フォトメトリック分類や天体物理学的モデル（例：SALT3 の限界）に関連する未モデル化の系統誤差に対処しなければ、LSST サンプルの潜在能力を完全に引き出すことはできないことを強調している。実証された再ビン分割アプローチの効率性は、ルビン天文台が予想する膨大なデータ量を扱うための、重要な実用的貢献として提示されている。