Projection effects in star-forming regions: I. Nearest-neighbour statistics and observational biases

技術要約：星形成領域における投影効果 I. 最近接探索統計と観測バイアス

問題提起
星は、分子雲が高密度コア、フィラメント、サブクラスターへと階層的に断片化することを通じて形成される。この断片化の物理を制約するために用いられる主要な観測量の一つは、高密度コア間の特徴的な間隔であり、これはジーンズ長やソニック長といった理論的なスケールと比較される。しかし、観測による測定は本質的に3次元構造の2次元投影である。単純な幾何学的デプロジェクション係数 $4/\pi \approx 1.27$ が等方性の仮定の下で頻繁に適用されているが、本論文はこのような係数は不十分であると主張する。標準的な手法は、二つの相反するバイアスを考慮できていない。(1) 投影は距離を短縮させるだけでなく、最近接（NN）ネットワークを「書き換え」、3次元的には大きく離れているソース間に人工的な2次元のリンクを作り出すこと。(2) 有限の角分解能がビームブレンディング（ビームによる混入）をもたらし、近接する近傍同士を結合させて見かけの間隔を膨張させること。堅牢な補正フレームワークがなければ、断片化スケールや支配的な物理プロセス（熱的か乱流的か）に関する推論は、系統的にバイアスを受ける可能性がある。

手法
著者らは、制御された数値的なトイモデルを用いて、広範なパラメータ空間における投影バイアスを定量化している。

• モデル: 著者らは、2つの主要な幾図を用いて点状の「コア」の3次元分布を生成している。(i) 一様および中心集中型の球状プロファイル、(ii) 様々なフラクタル次元（$D \approx 1.6–2.5$）を持つ階層的フラクタル分布（Cartwright & Whitworth の処方）であり、これらは塊状やフィラメント状のサブ構造をシミュレートしている。
• シミュレーションプロセス: 各構成において、3次元分布を回転させ、2次元平面に投影する。その後、3次元と2次元の両方でNNグラフを計算する。
• 分解能の効果: 観測の制限を模倣するために、ポイントが1つのビーム半径内にある場合にそれらを単一の重心へと結合させる「ビームブレンディング」ステップを適用する。これは、視野（FoV）とビームの半値全幅（FWHM）の比として定義される空間ダイナミックレンジ（SDR）によってパラメータ化される。
• 解析: 本研究では、サンプルサイズ（$N$）、フラクタル次元、およびSDRを系統的に変化させている。著者らは、3次元の固有のNNエッジ長（$\ell_{3D}$）と、投影された2次元の長さ（$\ell_{2D}$）を比較し、平均比 $C = \langle \ell_{3D} \rangle / \langle \ell_{2D} \rangle$ およびトポロジー的重複（ジャカード類似度）を分析している。

主な結果

1. $4/\pi$ 因子の失敗: 標準的な幾何学的因子である $1.27$は、真の3次元間隔を著しく過小評価している。十分にサンプリングされ、十分に分解されているケースでは、比$C$ は大幅に高い。
2. ネットワークの書き換え: 投影は単に既存のリンクを短縮させるだけでなく、NNネットワークを根本的に再構成する。$N=200$ の一様分布では、3次元のNNリンクのわずか約20%しか投影後に残存しない。残りのリンクは、はるかに短い2次元の近傍に置き換わり、理想的な高分解能ケースにおいて平均比 $C$ を約2.5まで押し上げる。
3. サンプルサイズの依存性: バイアスは対象物の数に応じてスケールする。小さなサンプル（$N \lesssim 10$）では比は低くなる（$\sim 1.5$）が、$N$ の増加に伴い、3次元（$N^{-1/3}$）と2次元（$N^{-1/2}$）の平均間隔の次元スケーリングの違いと一致するべき冪乗則に従って系統的に増加する。
4. 分解能への依存性（ビームブレンディング）: 有限の分解能は、相反するバイアスとして作用する。SDRが低い場合（$\lesssim 10$）、ビームブレンディングは個別のコアを結合させ、最短の固有間隔を取り除く。これにより、投影による短縮効果が抑制され、$C$ は再び1へと向かう（$C \approx 1$）。
5. 経験的補正式: 著者らは、サンプルサイズと分解能の結合依存性を捉える単純な経験的補正係数 $C(N, \text{SDR})$ を導出した。
   $$C(N, \text{SDR}) = C_\infty \left[1 - \exp(-\text{SDR}/S_0)\right] \left(\frac{N}{100}\right)^\beta$$
   適合パラメータは、$C_\infty = 1.94$、$S_0 = 21.8$、および $\beta = 0.173$ である。
   • 領域 I（低 $N$ または 低 SDR）: $C \approx 1$。ビームブレンディングが支配的となり、トポロジー的な差異を消去する。
   • 領域 II（中間）: 投影による書き換えが支配的になるにつれ、$C$ は急速に上昇する。
   • 領域 III（高 $N$, 高 SDR）: $C$ は $\sim 2.0$ 付近で飽和する。ここで、真の3次元間隔は、観測された2次元間隔の通常2倍となる。

意義と応用
本論文は、単純な $4/\pi$ の仮定を超え、コア間隔における投影バイアスの最初の系統的な較正を提供している。著者らは、分解能およびサンプルサイズに依存する乗法的係数を適用することで、観測者による2次元データからの固有の3次元間隔の推定が可能であることを示している。

• 解釈への影響: ASHESサーベイのデータにこのフレームワークを適用すると、補正されていない2次元間隔は熱的ジーンズ長と一致するように見えるが、サンプルサイズ補正（$C(N)$）を適用すると、より大きな3次元間隔が示唆される。しかし、分解能補正（$C(N, \text{SDR})$）を組み込むと、推定される3次元間隔は再び減少する。これは、限界的な分解能を持つマップにおける「理論的スケールとの一致」が、物理的な実態ではなく、ビームブレンディングによるアーティファクトである可能性を示している。
• 限界と注意点: 著者らは、本研究が理想化されたトイモデルを用いた「第一歩」であることを明記している。彼らは、感度の限界、背景の混同、不完全な視野、および非一様な形態といった複雑性を意図的に除外している。したがって、導出された補正は近似的なものとして扱われるべきであり、形態や方位による系統的な不確実性は $\sim 30–40\%$ 存在する。観測された $N_{obs}$ に基づく補正係数は、真の補正の保守的な下限値である。
• ツール: 著者らは、これらの補正の適用を容易にするために corespacing3d パッケージを公開している。

結論として、本研究は、星形成領域における投影効果が、幾何学的な短縮、ネットワークの書き換え、および分解能による混合の畳み込みであることを確立している。単一のグローバルな係数は不十分であり、正確な断片化物理の推論には、検出されたコアの数と観測の空間ダイナミックレンジの両方を考慮した補正が必要である。