🔭 astrophysics

Bayesian Model Comparison of $R_h=ct$ versus $\Lambda$ CDM using HII galaxy Hubble diagram

この論文は、HII 銀河のハッブル図を用いたベイズモデル比較において、一様事前分布を採用すると $R_h=ct$ と $\Lambda$ CDM/ $w$ CDM が同程度に支持されるが、プランク宇宙論に基づく正規事前分布を採用すると $R_h=ct$ が $\Lambda$ CDM に対して強く、 $w$ CDM に対してわずかに支持されることを示している。

原著者： Yuva Himanshu Pallam, Shantanu Desai

公開日 2026-03-31

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Yuva Himanshu Pallam, Shantanu Desai

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

この論文は、宇宙がどのように膨張しているかを説明する「2 つの有名な説」を、新しい方法で比較した研究です。

想像してみてください。宇宙の歴史を説明する「物語」が 2 つあるとしましょう。

ΛCDM（ラムダ・シーディーエム）説：現在の主流説です。「宇宙はビッグバンで始まり、最初は物質で満たされていましたが、ある時期から『ダークエネルギー（目に見えないエネルギー）』という魔法の力が働き、宇宙の膨張が加速している」という物語です。
Rh = ct 説：少し前衛的な説です。「宇宙はシンプルで、ビッグバンから一貫して一定の速さで膨張し続けている」という物語です。ダークエネルギーのような複雑な要素は不要だと考えます。

これまでの研究では、ある特定のデータ（「HII 銀河」という、非常に明るく輝く星の集団）を使ってこの 2 つを比較したところ、**「Rh = ct 説（シンプル説）の方が勝っている！」**という結論が出ました。

しかし、この論文の著者たちは、「本当にそうかな？もっと厳密に、別の方法でチェックしてみよう」と考えました。彼らが使ったのは、**「ベイズモデル比較」**という、より確実で洗練された「裁判」のような手法です。

論文の核心：裁判の「証拠」の出し方

この研究をわかりやすくするために、**「2 つの料理店が、どちらが美味しいか競う」**というシチュエーションに例えてみましょう。

料理 A（ΛCDM 説）：複雑なレシピ（ダークエネルギーなど）を使っている。
料理 B（Rh = ct 説）：シンプルで素朴なレシピ。

以前の研究（WM25 という論文）は、**「BIC（ベイズ情報量基準）」というルールで評価しました。これは「データにどれだけフィットするか」と「モデルが単純か」を点数化するルールです。その結果、「シンプルな料理 B が勝った！」**となりました。

しかし、著者たちは「待てよ、その点数の付け方は少し主観が入っているかもしれない」と考え、**「ベイズ因子（Bayes Factor）」**という、より厳格な「証拠の重み」を測る方法で再挑戦しました。

驚きの結果：「前提条件」によって勝敗が変わる

彼らは、料理の味を評価する際に、2 つの異なる「審査員の基準（事前の知識）」を使って評価を行いました。

1. 審査員が「何も知らない」場合（一様事前分布）

審査員が「宇宙の膨張速度や物質の量について、全く偏見を持たずに、あり得る範囲なら何でもあり」という状態で評価しました。

結果：**「引き分け」**でした。
意味：データだけでは、どちらの料理（説）が明らかに美味しいとは言い切れない。シンプル説も複雑説も、どちらも同等に可能性があると判断されました。

2. 審査員が「過去の偉大な研究（プランク衛星）」を信じる場合（正規事前分布）

審査員が「過去の最も信頼できる宇宙観測（プランク衛星のデータ）から、宇宙の物質の量はこれくらい、膨張速度はこれくらいだ」という強い前提を持って評価しました。

結果：**「シンプル説（Rh = ct）の圧勝！」**となりました。
意味：「過去の偉大な研究（プランク）」の基準に合わせると、複雑な ΛCDM 説のレシピは「味が合わない（矛盾している）」とみなされ、シンプル説の方がはるかに優れていると判断されました。

重要な発見：なぜ結果が違ったのか？

ここで重要なポイントがあります。

以前の研究（WM25）が「シンプル説が勝った」と言ったのは、**「複雑なモデル（ΛCDM）が、過去のデータ（プランク）と矛盾しているから」**という理由でした。
しかし、著者たちは「それは、HII 銀河というデータそのものが ΛCDM 説を否定したからではなく、『HII 銀河のデータ』と『プランクのデータ』が互いに喧嘩している（矛盾している）だけではないか？」と指摘しました。

つまり、シンプル説が勝ったのは、シンプル説自体が完璧だからではなく、**「複雑な ΛCDM 説が、過去のデータと今のデータを両立させるのに苦労しているから」**という、いわば「相対的な勝利」だった可能性があります。

結論：何がわかったのか？

この論文は、以下のようなメッセージを伝えています。

データだけでは決着つかない：HII 銀河というデータだけを見れば、シンプル説と複雑説は「引き分け」です。どちらが正しいか、このデータだけでは断定できません。
前提が重要：もし「過去のプランク衛星のデータ」を絶対的な基準にするなら、シンプル説の方が支持されます。しかし、それは ΛCDM 説が「プランクとの矛盾」に苦しんでいるからであって、シンプル説が完璧だからではありません。
さらなる検証が必要：以前「シンプル説が勝った」と言われたのは、使った評価方法（BIC）や、データの解釈の仕方によるものでした。より厳密なベイズ解析では、状況によって勝敗がひっくり返ることがわかりました。

まとめ

この研究は、「宇宙の物語」を決めるために、**「どの基準で勝負を見るか」**がどれほど重要かを教えてくれました。

公平な審査員（何の前提も持たない）なら、「どっちもアリ」。
過去のデータを信じる審査員なら、「シンプル説の方がいいね」（ただし、それは複雑な説が矛盾しているから）。

著者たちは、「まだ結論は出せない。もっと多くのデータを集めて、宇宙の本当の物語を解き明かそう」と呼びかけています。科学とは、一度の勝負で決着をつけるものではなく、このような厳密なチェックと再評価を繰り返しながら、真実に近づいていくプロセスなのです。

この論文は、HII 銀河（HIIGx）と巨大銀河間 HII 領域（GEHR）のハッブル図を用いて、宇宙論モデルである $R_h = ct$ モデルと $\Lambda$ CDM（および $w$ CDM）モデルをベイズモデル比較（Bayesian Model Comparison）によって検証した研究です。著者らは、直近の Wei と Melia（WM25）による情報量基準（BIC）に基づく分析を補完・再検証し、事前分布（Prior）の選択がモデル比較の結果に決定的な影響を与えることを示しました。

以下に、問題提起、手法、主要な貢献、結果、および意義について詳細な技術的サマリーを記述します。

1. 問題提起 (Problem)

背景: 近年、Wei と Melia（WM25）は、HII 銀河と GEHR のサンプル（赤方偏移 $z \approx 0$ から$7.5 $までの 231 個の天体）を用いて、$ R_h = ct $モデル、平坦な$ \Lambda$CDM モデル、 $w$ CDM モデルの比較を行いました。
既存研究の結論: WM25 はベイズ情報量基準（BIC）を使用し、内在的な散乱（intrinsic scatter）を考慮しない場合、 $R_h = ct$ モデルが $\Lambda$ CDM および $w$ CDM よりも強く支持されると結論付けました（ $\Delta$ BIC $\approx 5.0$ および$9.5 $）。しかし、内在的な散乱をパラメータとして追加すると、$ R_h = ct $と$ \Lambda$CDM は同等に支持されるようになりました。
懸念点: BIC は最尤値（best-fit values）に依存し、データが独立同分布であるという仮定を含みます。一方、ベイズモデル比較はパラメータの事後分布全体を積分して「モデル証拠（Bayesian Evidence）」を計算するため、より頑健（robust）であり、事前分布の影響を適切に評価できます。また、WM25 の結果が事前分布の選択に依存する可能性や、プランク（Planck）宇宙論パラメータとの整合性について再検証が必要でした。

2. 手法 (Methodology)

データセット: WM25 と同一の 231 個のソース（36 個の GEHR、181 個の HIIGx、14 個の新しい HIIGx サンプル）を使用。距離モジュールと H $\beta$ 光度の関係を標準光源として利用。
統計的手法:
- ベイズモデル比較: 各モデルの周辺尤度（Marginal Likelihood, $Z$ ）を計算し、ベイズ因子（Bayes Factor, $B_{21}$ ）を算出。
- 数値計算: 階層サンプリング（Nested Sampling）アルゴリズム「Dynesty」を使用。動的階層サンプリングモードで 1024 個のライブポイントを用いて実行。
- モデル: 平坦な $\Lambda$ CDM、 $w$ CDM、 $R_h = ct$ の 3 つを比較。
事前分布（Priors）の選択:
1. 一様事前分布（Uniform Priors）: 宇宙論パラメータに対して広範囲の一様分布を設定（ $H_0 \in [60, 110]$ , $\Omega_m \in [0, 1]$ , $w_{de} \in [-3, 0]$ ）。これはモデル中立性を保つための設定。
2. 正規事前分布（Normal/Gaussian Priors）: プランク 2020 宇宙論から得られた値に基づいた正規分布を設定（ $H_0 \sim \mathcal{N}(67.4, 0.5)$ , $\Omega_m \sim \mathcal{N}(0.315, 0.007)$ ）。これは $R_h = ct$ モデルがプランク結果と矛盾するかどうかをテストするため。
内在的散乱の考慮: 観測誤差に加え、L- $\sigma$ 相関関係における未知の内在的散乱（ $\sigma_{int}$ ）をパラメータとして追加したケースも分析。

3. 主要な貢献 (Key Contributions)

BIC とベイズ因子の比較: 同一データセットに対して、BIC（WM25）とベイズ因子（本研究）の両方を適用し、モデル選択手法の違いによる結果の乖離を明らかにした。
事前分布の感度分析: 事前分布の選択（一様 vs 正規）がモデル比較の結論を根本的に変えることを実証した。特に、プランク宇宙論に基づく事前分布を使用した場合にのみ、 $R_h = ct$ モデルが強く支持されるという結果を得た。
WM25 結果の再評価: WM25 が報告した「 $R_h = ct$ の強い支持」が、BIC の特性や特定の事前分布（プランク値との緊張関係）に起因するアーティファクト（人工的な結果）である可能性を指摘。

4. 結果 (Results)

A. 一様事前分布の場合 (Uniform Priors)

結果: $R_h = ct$ 対 $\Lambda$ CDM、 $R_h = ct$ 対 $w$ CDM のベイズ因子は、いずれも 1 に近い値（ $\approx 0.27 \sim 0.58$ ）となった。
解釈: Jeffreys の尺度によると、これは「証拠なし」または「同等に支持される」を意味する。
結論: 一様事前分布を使用する場合、 $R_h = ct$ モデルは $\Lambda$ CDM や $w$ CDM よりも優れているという証拠は得られず、両モデルは同等に好まれる。これは WM25 の BIC による結論（ $R_h = ct$ が優位）と矛盾する。

B. 正規事前分布（プランクに基づく）の場合 (Normal Priors based on Planck)

結果:
- 内在的散乱なし： $R_h = ct$ 対 $\Lambda$ CDM のベイズ因子は約 50（「非常に強い証拠」）、 $w$ CDM 対では約 4.8（「実質的な証拠」）。
- 内在的散乱あり： $R_h = ct$ 対 $\Lambda$ CDM のベイズ因子は約 18.6（「強い証拠」）、 $w$ CDM 対では約 2.5（「わずかな証拠」）。
解釈: プランクの宇宙論パラメータを事前分布として用いると、 $R_h = ct$ モデルが強く支持される。
原因: この結果は、HII 銀河データから推定される宇宙論パラメータと、プランク宇宙論パラメータの間の「緊張（tension）」に起因している。 $R_h = ct$ モデルはプランク値と矛盾するパラメータ領域を避ける傾向があるため、プランク事前分布を適用すると相対的に有利に働く。これは HII 銀河ハッブル図自体が決定的な差別化を行っているからではなく、事前分布の制約による結果である。

C. BIC による再検証 (Appendix A)

著者らが独自に BIC を再計算した結果、内在的散乱を考慮しない場合でも、 $\Lambda$ CDM の BIC 値が $R_h = ct$ よりもわずかに小さく（ $\Delta$ BIC $\approx 1$ ）、WM25 の結果（ $\Delta$ BIC $\approx 5$ ）とは一致しなかった。この不一致は、最尤値の推定値の違い（2 $\sigma$ 程度の乖離）に起因すると考えられる。

5. 意義 (Significance)

モデル選択手法の重要性: 情報量基準（BIC）とベイズモデル比較は、事前分布の扱いやパラメータ空間の積分方法が異なるため、結論が一致しない場合がある。特に宇宙論モデルの比較においては、ベイズモデル比較の方がより頑健で、事前分布の影響を明示的に評価できる。
$R_h = ct$ モデルの評価: 広範な一様事前分布を用いた場合、 $R_h = ct$ モデルは $\Lambda$ CDM や $w$ CDM と比べて特に優れているという証拠は得られなかった。WM25 で報告された「強い支持」は、主に特定の事前分布（プランク値）との相互作用や、BIC の限界によるものと考えられる。
今後の展望: 現在の最良の制約（CMB, BAO, Ia 型超新星）は $\Lambda$ CDM を支持する傾向にある。HII 銀河データは有用な独立したプローブであるが、プランク宇宙論との緊張関係を解明し、モデルの真の優位性を判断するには、さらに独立した観測プローブや、より厳密な事前分布の検討が必要である。

総括:
この論文は、HII 銀河データを用いた宇宙論モデル比較において、**「事前分布の選択が結論を左右する」**ことを示し、一様事前分布を用いた場合、 $R_h = ct$ モデルは $\Lambda$ CDM と同等にしか評価されないことを明らかにしました。これは、WM25 の結論が情報量基準の特性や特定の前提条件に依存している可能性を強く示唆しており、宇宙論モデルの検証においてベイズモデル比較の重要性を再確認させる重要な研究です。