Optimizing Optical Searches for Supermassive Black Hole Binaries in AGN Light Curves: Fourier versus Bayesian Periodicity Detection

技術要約：AGNライトカーブにおける超大質量ブラックホール連星の光学探索の最適化

問題提起
電磁波（EM）観測による超大質量ブラックホール連星（SMBHB）の検出は、活動銀河核（AGN）のライトカーブにおける周期的な輝度変化を特定することに依存している。これらの変動は、相対論的ドップラー・ブースティング（RDB）およびサーカムバイナリ・ディスクとミニ・ディスクの相互作用に由来すると仮定されている。しかし、減衰ランダムウォーク（DRW）としてモデル化されるAGN固有の変動性は、周期性を模倣する確率的な「レッドノイズ」の背景を作り出す。この課題は、現在のおよび今後のサーベイ（Catalina Real-Time Transient Survey [CRTS]、Zwicky Transient Facility [ZTF]、および次世代のLegacy Survey of Space and Time [LSST]）における疎なサンプリングと短い観測基線によってさらに悪化する。主な困難は、真のバイナリ信号をDRWのみのゆらぎから区別しつつ、真陽性率（TPR）を犠牲にすることなく偽陽性率（FPR）を最小限に抑えることにある。

手法
著者らは、CRTS、ZTF、およびLSSTの観測特性を表現するAGNライトカーブの集団をシミュレートしている。これらのシミュレーションは、DRWプロセス（確率的な変動をモデル化するため）と、注入された正弦波信号（SMBHBの軌道運動をモデル化するため）を組み合わせたものである。本研究では、3つの異なる周期性検出手法を評価している：

1. ネステッド・ベイズ・サンプラー（NBS）： Ultranest パッケージを用いて、純粋なDRWモデルと、DRW＋正弦波を組み合わせたモデルとの間のベイズモデル選択を行う。モデルの優先度はベイズ情報量基準（$\Delta$BIC）によって決定される。
2. 一般化ロー・スカーグル・ピリオドグラム（GLSP）： PyAstronomy を介して実装されており、不均一にサンプリングされたデータにおけるフーリエ解析に基づく手法である。モデル選択は、ガウス型（$FAP_{Gauss}$）、グローバル・ブートストラップ（$FAP_{global}$）、およびローカル・ブートストラップ（$FAP_{local}$）のバリエーションを含む偽アラーム確率（FAP）の計算に依存する。
3. 重み付きウェーブレットZ変換（WWZ）： wwz パッケージを介して実装されており、進化する周期信号を検出するために局所的なウェーブレットを使用する。モデル選択には、DRW背景に対するブートストラップ・シミュレーションに基づいた様々なFAP定義（$FAP_{local-local}$、$FAP_{local-avg}$、$FAP_{avg-local}$）が用いられる。

LSSTの計算負荷（投影されるライトカーブ数は $\sim10^7$）に対処するため、著者らは迅速なトリアージのための「データベース・プロシージャ」を提案している。個々の候補に対して独自のブートストラップ分布を生成する代わりに、2つの「代表的な」LSSTサーベイ・ウィンドウに対するピリオドグラム分布を事前計算し、これらを用いて全候補のFAPを推定する。

主要な結果

• 手法の性能： NBS ($\Delta$BIC) が最も堅牢な分類器として特定され、偽陽性を最小限に抑えつつ、最も「完全な」サンプル（高い真陽性率、TPR(P)）を生み出す。フーリエ手法の中では、ローカル・ブートストラップFAP（$FAP_{local}$）を用いたGLSPが、完全性と低いFPRの間の最良のバランスを提供し、$FAP_{Gauss}$ は計算効率は高いがレッドノイズに対しては精度が劣る。WWZは中・長周期に対しては良好に機能するが、疎なサンプリングによるアーティファクトのため短周期信号には苦戦する。
• パラメータ依存性： すべての手法において、検出成功率は注入された正弦波の振幅（$A_{in}$）と正の相関があり、DRWの変動振幅（$\sigma_{in}$）と負の相関がある。すべての手法は、注入された周期が観測基線（$T_{obs}$）に近づくにつれて感度が低下する。ただし、NBSは2周期未満の信号でも検出可能である。
• 結合モデル選択： NBSとGLSPのモデル選択を組み合わせることで、TPR(P)への影響をわずかに残すのみで、FPRを大幅に（1桁以上）減少させることができる。WWZによる選択を加えると、FPRはさらに減少するが、TPR(P)が著しく低下する。
• LSSTトリアージ： データベース駆動型の $FAP_{Dlocal}$ 分類器は、LSSTデータの迅速なトリアージを可能にする。厳格な閾値を用いることで、この手法は、最小限の計算コスト（$\sim10^7$ のライトカーブを $\sim10-30$ 時間で処理）で、TPR $\sim40\%$ および FPR $\sim0.5\%$ を達成する。
• 偽陽性： すべての選択基準を通過するDRWのみのライトカーブは、周期性を模倣する高振幅の確率的変動を示す傾向がある。これらの「説得力のある」偽陽性は、しばしば低い周期と振幅を出力する。これは、NBSとGLSPの組み合わせがこれらのケースを効果的にフィルタリングできることを示唆している。

意義と主張
本論文は、電磁波（EM）と重力波（GW）の共同SMBHB検出に向けた、EM側の堅牢なパイプラインを提供することを主張している。その主な貢献は以下の通りである：

1. 階層的探索戦略の検証： 著者らは、まず効率的なフーリエ手法（GLSP）を用いて大量のデータをフィルタリングし、残った候補に対して厳密なベイズ解析（NBS）を行うというワークフローを推奨している。
2. LSSTへのスケーラビリティ： FAP計算のためのデータベース・プロシージャの提案は、膨大な量のLSSTデータを分析するための計算可能な経路を提供し、現実的な時間内で希少なSMBHB候補を特定することを可能にする。
3. マルチメッセンジャーの文脈： 本研究は、これらのEM検出手法をパルサー・タイミング・アレイ（PTA）による重力波探索を補完するものとして位置づけている。高信頼度でEM候補を特定することで、このパイプラインはターゲットを絞った重力波フォローアップと共同パラメータ推定を促進し、GWまたはEMのいずれか単独の手法よりも正確に、SMBHBのチャープ質量やソースパラメータを制約できる可能性がある。

著者らは、単一の手法が完璧であることはないが、NBSとGLSPのモデル選択の組み合わせが、大規模なフォトメトリック・サーベイの時代において、真のSMBHB候補を特定するための最適なトレードオフを提供すると結論付けている。