🔭 astrophysics

A sound-horizon-free measurement of the Hubble constant from DESI DR2 baryon acoustic oscillations using artificial neural networks

この論文は、DESI DR2のバリオン音響振動（BAO）データに人工ニューラルネットワークを用いた手法を適用することで、音響地平線（sound horizon）の仮定に依存せずにハッブル定数を算出し、その結果がプランク衛星のCMB観測値よりも高い値（ $H_0 = 71.5\pm2.2$ km s $^{-1}$ Mpc $^{-1}$ ）を示したことから、ハッブルテンションの存在を支持するものであると述べています。

原著者： Gaurav N. Gadbail, Kazuharu Bamba

公開日 2026-04-28

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Gaurav N. Gadbail, Kazuharu Bamba

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

タイトル：宇宙の「拡大スピード」を巡る大論争に、AIが新しい答えを出した！

1. 背景：宇宙の「スピードメーター」が合わない！？

想像してみてください。あなたは、ある有名なスポーツカーの最高速度を知りたいと思っています。

**グループA（初期宇宙派）**は、レースが始まる前の「エンジンの設計図」を見て、「この車は時速67kmくらいで走るはずだ」と言っています。
**グループB（現在の宇宙派）**は、実際に走っている車を横から計測して、「いやいや、時速73kmくらい出ているよ！」と言っています。

この「設計図から予想したスピード」と「実際に測ったスピード」の食い違いを、科学の世界では**「ハッブル・テンション（膨張の不一致）」**と呼び、現代天文学の最大のミステリーの一つとなっています。

2. この研究のすごいところ：「ものさし」を使わない測定法

これまでの測定には、それぞれ「弱点」がありました。

設計図派は、「宇宙のルール（モデル）」を決めつけすぎてしまう。
実測派は、「基準となるものさし（距離の基準）」が少しズレているかもしれない。

今回の研究チーム（ガドバイ氏とバンバ氏）は、**「そもそも、基準となる『ものさし』を使わずに、スピードを測ることはできないか？」**と考えました。

彼らが使ったのは、**「3つの異なる証拠をパズルのように組み合わせる」**という魔法のような方法です。

超新星（SNe Ia）： 宇宙で爆発する星の明るさ。
宇宙時計（CC）： 星の年齢の変化から測る時間。
宇宙の模様（BAO）： 宇宙に刻まれた「音の波」の跡。

これら3つを数学的なトリック（距離双対性）で組み合わせると、「基準となるものさしの長さ」が計算の中でピタリと消えてしまうのです！つまり、どんなものさしを使っても、どんな宇宙のルールを仮定しても、関係なく「純粋なスピード」だけが浮かび上がってくる仕組みです。

3. 武器は「AI（人工知能）」：データの隙間を埋める職人

宇宙のデータは、あちこちでバラバラに取れるもので、連続した一本の線ではありません。データとデータの間に「空白」があります。

ここで登場するのが、**「人工知能（ニューラルネットワーク）」**です。
このAIは、バラバラな点（データ）を渡されると、その点の間を最も自然で滑らかな線でつなぐ「超一流の職人」のような役割を果たします。従来の数学的な手法よりも、データのクセを読み取るのが非常に上手で、偏りのない正確なグラフを描き出すことができます。

4. 結果：「やっぱり、スピードは速かった！」

最新の観測データ（DESI DR2）を使ってAIに計算させた結果、導き出された宇宙の拡大スピード（ハッブル定数 $H_0$ ）は、**「約 71.5 km/s/Mpc」**でした。

これはどういう意味でしょうか？

設計図派（67.4）よりは明らかに速い。
実測派（73.0）よりは少し控えめ。
でも、どちらの派閥とも「完全に矛盾はしていない」という、絶妙な位置です。

5. まとめ：宇宙の謎に一歩近づいた

この研究の結論は、**「宇宙のスピードは、設計図が予想していたよりも速い。そして、それは単なる測定ミスではなく、宇宙の仕組みそのものに何か特別な理由があるのかもしれない」**ということを強く示唆しています。

「ものさし」に頼らず、AIという新しい目を使って、宇宙の真の姿をあぶり出そうとする、非常にエキサイティングな挑戦なのです。

論文技術要約：人工ニューラルネットワークを用いたDESI DR2 BAOによる音響地平線に依存しないハッブル定数の測定

1. 背景と問題点 (Problem)

現代宇宙論における最大の懸案事項の一つは、宇宙の膨張率を示す**ハッブル定数 ( $H_0$ ) の緊張（Hubble Tension）**です。

初期宇宙に基づく測定: Planck衛星によるCMB（宇宙マイクロ波背景放射）の解析では、 $H_0 \approx 67.4$ km s⁻¹ Mpc⁻¹ という低い値が得られます。これは標準的な $\Lambda$ CDMモデルを仮定した外挿に基づいています。
近傍宇宙に基づく測定: SH0ESプロジェクトによるセフェイド変光星を用いた超新星（SNe Ia）の距離梯子では、 $H_0 \approx 73.0$ km s⁻¹ Mpc⁻¹ という高い値が得られ、Planckの結果と $5\sigma$ – $6\sigma$ の乖離があります。
既存手法の限界: CMB測定はモデル依存性が高く、距離梯子法は絶対等級の較正（系統誤差）に依存しています。これらを回避する「モデルに依存しない（model-independent）」かつ「音響地平線（sound horizon, $r_d$ ）のスケールに依存しない」測定手法が求められています。

2. 研究手法 (Methodology)

本研究では、距離双対関係 (Distance Duality Relation, DDR) を基盤とし、3つの独立した観測データを組み合わせることで、モデルや音響地平線に依存しない $H_0$ の決定を行っています。

使用データ:
1. Type Ia 超新星 (SNe Ia): Pantheon+ データセット。絶対等級の仮定を避けるため、アンカーされていない光度距離 $\Xi_{\text{SNIa}}(z) = H_0 d_L(z)$ を使用。
2. 宇宙クロノメーター (CC): 銀河の年齢進化から直接 $H(z)$ を測定。
3. DESI DR2 BAO: 最新のDESIデータリリース2のバリオン音響振動データ。音響地平線 $r_d$ をキャンセルするために、横方向の共動距離 $D_M/r_d$ とハッブル地平線 $D_H/r_d$ の比を用いた音響地平線フリーの組み合わせ $\Xi_{\text{BAO}}(z) = H(z)d_A(z)$ を使用。
人工ニューラルネットワーク (ANN) による関数再構成:
従来のガウス過程（GP）回帰とは異なり、完全なデータ駆動型アプローチとしてANNを採用しました。
- アーキテクチャ: 入力層、4096個のニューロンを持つ隠れ層（ELU活性化関数）、出力層（関数値と不確実性を同時出力）で構成。
- ブートストラップ法: 観測誤差を考慮するため、データをランダムに摂動させた $N_{\text{boot}} = 1000$ 回の再学習を行い、再構成された関数の平均と不確実性を算出。これにより、非線形な写像を通じた誤差の伝播を正確に評価しています。

3. 主な貢献 (Key Contributions)

音響地平線への依存を完全に排除: BAOの測定において $r_d$ を含む項を数学的にキャンセルする手法を用い、初期宇宙の物理モデルへの依存を排除しました。
最新データの適用: DESI DR1からDR2へとアップデートし、新たにELG1（放出線銀河）やQSO（クエーサー）のトレーサーを追加することで、測定の精度と赤方偏移範囲を向上させました。
高度な再構成手法: GP回帰のような事前分布（prior）への依存を最小限に抑えるため、ANNを用いたブートストラップ手法を導入し、より頑健な関数再構成を実現しました。

4. 結果 (Results)

結合制約値: 7つのBAOトレーサーを統合した結果、 $H_0 = 71.5 \pm 2.2$ km s⁻¹ Mpc⁻¹ (68% 信頼区間) を得ました。
既存研究との比較:
- TRGB (赤色巨星の先端): $0.6\sigma$ 以内で一致。
- SH0ES (セフェイド): $0.6\sigma$ 以内で一致。
- Planck (CMB): $2\sigma$ 程度の緊張（tension）を維持。
赤方偏移依存性: 各BAOトレーサーごとの個別推定値は、統計的な不確実性の範囲内で互いに整合しており、宇宙膨張の不均一性や $H_0$ の赤方偏移進化を示す強い証拠は見られませんでした。

5. 意義 (Significance)

本研究の結果は、「ハッブル緊張」が単なるモデルの誤りや特定の較正エラーではなく、実在する物理的な問題である可能性を、新たな独立したデータ（DESI DR2）と手法（ANN）によって支持するものです。
モデルに依存せず、音響地平線のスケールも必要としないこの手法は、将来のDESI DR3やVera Rubin天文台（LSST）のデータを用いた、より高精度な宇宙論的検証のための強力なフレームワークを提供します。