Exploring the $S_8$ Tension: Insights from the CatNorth 1.5-Million Quasar Candidates

CatNorth の 150 万個のクエーサー候補と Planck の CMB レンズデータを組み合わせた新しい解析により、低赤方偏移領域での $S_8$ 値が従来の緊張状態を緩和する傾向にあることが示された。

要約

この論文は、宇宙の「謎」を解き明かそうとする、とても面白い研究です。専門用語を排して、わかりやすい例え話で説明します。

🌌 宇宙の「重さ」の謎：S8（エス・エイト）問題

まず、この研究が扱っているのは**「宇宙の構造がどれくらい成長しているか」**という問題です。

宇宙には、目に見えない「ダークマター」という物質が満ちていて、それが重力で星や銀河を集めています。この集まりやすさを表す指標を**「S8」**と呼んでいます。

• 問題点： 科学者たちは、この S8 の値を測るために、2 つの異なる方法を使ってきました。
  1. 赤ちゃんの宇宙の写真（CMB）： 宇宙が生まれたばかりの頃の名残である「宇宙マイクロ波背景放射」を見る方法。これによると、S8 は**「0.834」**くらい。
  2. 現在の宇宙の地図（重力レンズ）： 今ある銀河の並び方を調べる方法。これによると、S8 は**「0.76」**くらい。

**「0.834」と「0.76」は、統計的に見て「ずいぶん違う！」という状態です。これを「S8 テンション（緊張状態）」**と呼びます。
「もしかしたら、今の宇宙の理論（ΛCDM モデル）に何か見落としがあるのか？それとも、単に測り方が間違っているだけなのか？」というのが、世界中の科学者の悩みでした。

---

🔍 今回の研究：150 万個の「宇宙の灯台」で再挑戦

この論文の著者たちは、新しいデータを使ってこの問題を再検証しました。

• 使った道具： **「CatNorth（キャットノース）」**という、150 万個もの「クエーサー（超巨大ブラックホール）」の候補リストです。
  • クエーサーとは？ 宇宙の遠くにある、非常に明るく輝く「灯台」のような天体です。遠くまで見えるので、宇宙の広大な地図を作るのに最適です。
• 新しい技術： 従来の方法では、星の光や大気の影響で「灯台の位置」がずれて見えたり、見落としがあったりしました。そこで、著者たちは**「AI（機械学習）」**を使って、これらの「見えないノイズ」を取り除くフィルターを開発しました。

【わかりやすい例え】
Imagine you are trying to count people in a crowded stadium from a high tower.

• 昔の方法： 人の影や、他の観客の頭が邪魔になって、正確に数えられなかった。
• 今回の方法： AI を使って、「ここは影だから人を数えない」「ここは頭が隠れているから補正する」という**「賢いフィルター」**を作った。これで、より正確に人数（宇宙の構造）がわかるようになった。

---

📊 発見した結果：低高度と高高度で「顔」が違う

この研究で面白いことがわかりました。それは、「見る距離（赤方偏移）」によって、S8 の値が違ったという点です。

1. 近い距離（低赤方偏移）の結果：

   • 結果：S8 = 0.844
   • これは、赤ちゃんの宇宙の写真（CMB）の結果（0.834）とほぼ同じでした！
   • 意味： 「近い距離の銀河の並び方を測ると、宇宙の理論は正しいようだ！」という証拠になりました。

2. 遠い距離（高赤方偏移）の結果：

   • 結果：S8 = 0.724
   • これは、近い距離の結果よりもかなり低い値でした。
   • 理由： 遠くのクエーサーは暗く、見つけにくい。また、CMB のデータ自体に「遠くの銀河からのノイズ」が混じっている可能性があります。つまり、「遠くのデータはまだ不完全で、正確に測れていない」のかもしれません。

---

💡 なぜこれが重要なのか？

これまでの研究（Quaia というカタログを使ったもの）では、遠くのクエーサーを使っても「S8 は高い（理論と一致する）」という結果が出ていました。しかし、今回の研究では、**「より高品質なデータと AI によるノイズ除去」を行った結果、「近い距離では理論と一致するが、遠くでは値が下がる」**という傾向が見つかりました。

• 重要なメッセージ： 「S8 テンション」は、もしかすると「宇宙の物理法則がおかしい」からではなく、**「遠くの天体のデータが不完全で、ノイズに邪魔されている」**ことが原因かもしれない、という示唆を与えています。

🚀 まとめ

• 宇宙の「重さ」の謎を解くために、**150 万個の「宇宙の灯台（クエーサー）」**を AI で分析しました。
• 近い距離のデータは、現在の宇宙の理論と完璧に一致しました。
• 遠い距離のデータは、まだノイズが多くて正確な値が出せていませんでした。
• 結論： 今のところ、S8 テンションは「新しい物理法則の発見」ではなく、「データの質とノイズ除去」の問題である可能性が高いです。

今後の、より大きな望遠鏡（LSST や CSST など）が完成すれば、遠くのクエーサーももっと鮮明に見えて、この謎が完全に解けるかもしれません！

技術概要

論文「Exploring the S8 Tension: Insights from the CatNorth 1.5-Million Quasar Candidates」の技術的サマリー

本論文は、宇宙論における重要なパラメータである $S_8$（物質密度揺らぎの振幅 $\sigma_8$ と物質密度パラメータ $\Omega_m$ の組み合わせ）の「$S_8$ 緊張（S8 tension）」に焦点を当てた研究です。宇宙マイクロ波背景放射（CMB）からの高赤方偏移測定と、弱い重力レンズ（WGL）からの低赤方偏移測定の間で生じている不整合を、新しいクエーサーカタログ「CatNorth」と Planck の CMB レンズデータを用いて検証しました。

以下に、問題設定、手法、主要な貢献、結果、および意義について詳細にまとめます。

1. 問題設定 (Problem)

• $S_8$ 緊張: Planck 2018 の CMB 異方性データに基づく $\Lambda$CDM モデルの予測値（$S_8 = 0.834 \pm 0.016$）と、KiDS、HSC、DES などの弱い重力レンズ観測に基づく低赤方偏移の測定値（$S_8 \approx 0.76 \sim 0.78$）の間に、約 2〜3$\sigma$ の有意な不一致が存在します。
• 既存研究の課題: 以前、Quaia クエーサーカタログを用いた研究（Alonso et al. 2023）では、低赤方偏移で $S_8 = 0.879$、高赤方偏移で $S_8 = 0.729$ という結果が得られ、低赤方偏移で Planck よりも高い値を示す傾向がありました。しかし、クエーサーの選別における系統的誤差（空間的不完全性、星の混入、赤方偏移推定誤差など）が、特に大規模構造の解析において大きなバイアス要因となっています。
• 本研究の目的: より高純度かつ完全性の高い 150 万個のクエーサー候補カタログ「CatNorth」を用い、機械学習に基づく選択関数（Selection Function）を開発して系統的誤差を抑制し、$S_8$ 緊張の真の起源（系統誤差か新物理か）を解明すること。

2. 手法 (Methodology)

データ

• CatNorth クエーサー候補カタログ: Gaia DR3、Pan-STARRS1（5 波長）、CatWISE2020（2 波長）を組み合わせ、XGBoost 分類器を用いて作成された 150 万個のクエーサー候補（純度約 90%）。
• CMB レンズデータ: Planck DR4 の CMB レンズ収束マップ（$\kappa$）。全天をカバーする唯一のデータセットとして利用。

解析手法

1. 機械学習に基づく選択関数（Selection Function）の構築:
   • クエーサーの空間分布は、銀河面での塵消光、Gaia の走査パターン、観測深度のばらつきなどの系統的誤差に強く影響されます。
   • これらの誤差をモデル化するため、塵消光、恒星密度、各バンドの観測深度など 10 種類の系統テンプレートを入力とし、多層パーセプトロン（MLP）ニューラルネットワークを用いて空間的な選択関数 $S(\hat{n})$ を学習・推定しました。
   • この手法は、従来のガウス過程（Gaussian Process）に比べ、メモリ効率が高く、大規模データ処理に適しています。
2. 過密度場の補正:
   • 観測されたクエーサー数密度 $n_{obs}$ を選択関数 $S(\hat{n})$ で補正し、真の過密度場 $\delta(\hat{n})$ を算出します。
   • 選択関数が 0.5 未満の領域（不完全性が極めて高い領域）はマスクして解析から除外しました。
3. 角パワースペクトル解析:
   • クエーサーの自己相関（Auto-correlation）と CMB レンズとの交差相関（Cross-correlation）を計算。
   • 理論モデル（pyccl ライブラリ）と観測データを比較し、MCMC（emcee）を用いて宇宙論パラメータ（$\Omega_m, \sigma_8, h, b_g$）を制約しました。
   • リンバー近似（Limber approximation）の妥当性を確保するため、多極モーメント $\ell$ の範囲を適切に制限しました。

3. 主要な貢献 (Key Contributions)

• CatNorth カタログの活用: 既存の Quaia カタログよりも高純度・高完全性を持つ 150 万個のクエーサー候補を用いた大規模解析。
• 高度な系統誤差除去: 機械学習（ニューラルネットワーク）を用いた選択関数の構築により、大規模スケールにおけるパワースペクトルの過剰（系統誤差に起因）を効果的に抑制。
• 比較検証: 異なる赤方偏移ビン、体積制限サンプル、異なるバイアスモデル、マスクの厳格さなど、多角的なテストを行い、結果の頑健性を確認。
• Quaia 結果との対比: 以前の Quaia 解析で見られた「低赤方偏移での $S_8$ 過大評価」が、CatNorth の高品質なデータと適切な系統誤差補正により是正される可能性を示唆。

4. 結果 (Results)

• 低赤方偏移（$z < 1.5$）:
  • $S_8 = 0.844^{+0.058}_{-0.056}$ を得ました。
  • これは Planck 2018 の結果（$0.834 \pm 0.016$）と 1$\sigma$以内で一致しており、**$S_8$ 緊張は低赤方偏移では解消されている**ことを示唆します。
  • 以前の Quaia 解析（$S_8 \approx 0.879$）よりも低い値となり、Quaia の結果が系統誤差（選択関数の不備など）によって過大評価されていた可能性が高いです。
• 高赤方偏移（$z > 1.5$）:
  • $S_8 = 0.724^{+0.058}_{-0.054}$ と、低赤方偏移よりも低い値が得られました。
  • これは、高赤方偏移の faint なクエーサーにおけるサンプル不完全性や、CMB レンズマップへの高赤方偏移銀河背景（CIB）などの前景汚染によるバイアスが原因と考えられます。
• 体積制限サンプル:
  • 異なる赤方偏移範囲（$z<2$, $0.4<z<1.5$,$1.5<z<2.5$）での解析でも同様の傾向（低赤方偏移で Planck と一致、高赤方偏移で低い値）が確認されました。
• バイアスモデルの影響:
  • クエーサーのバイアスモデル（定数、急峻な関数、自由パラメータ）を変えても、低赤方偏移での $S_8$ 値は Planck との整合性を保ち、高赤方偏移での低下傾向は維持されました。

5. 意義 (Significance)

• $S_8$ 緊張の解明への寄与: 本研究は、クエーサーを用いた独立した測定が、CMB や弱い重力レンズとは異なる系統誤差を持つことを示しました。特に、低赤方偏移の測定値が Planck と一致することは、$S_8$ 緊張が「新物理」ではなく、特定の観測手法（特に高赤方偏移データや以前のカタログ）における未処理の系統誤差に起因する可能性を強く示唆しています。
• 手法の革新: 機械学習を用いた選択関数の構築は、大規模な天体カタログの系統誤差補正において、計算効率と精度の面で画期的な進歩です。
• 将来展望: 今後、Rubin 観測所（LSST）や CSST などの次世代望遠鏡により、より完全で高赤方偏移にわたるクエーサーサンプルが得られれば、高赤方偏移での系統誤差をさらに低減し、$S_8$ 緊張の真の起源を決定づけることが期待されます。

結論:
CatNorth クエーサー候補カタログを用いた本解析は、低赤方偏移領域において $S_8$ 値が Planck 2018 と整合的であることを示し、$S_8$ 緊張の多くが系統誤差に起因する可能性を浮き彫りにしました。一方、高赤方偏移領域での低い $S_8$ 値は、サンプルの不完全性や前景汚染によるものであり、今後のより高品質なデータによる検証が必要です。