Parameter Estimation Horizon of Core-Collapse Supernovae with Current and Next-Generation Gravitational-Wave Detectors

技術的概要：現在の重力波検出器と次世代検出器を用いたコア崩壊型超新星のパラメータ推定ホライズン

問題定義
コア崩壊型超新星（CCSNe）は、超新星の中心エンジンに対する独特かつ遮蔽されない探査手段を提供する、重力波（GW）放射源の明確なクラスを構成する。電磁気的観測は爆発の結果に関する情報を提供するが、衝撃波が恒星の包層の深部でエネルギーを得る最初の重要な 1 秒間には隠蔽される。一方、重力波とニュートリノは即座に脱出し、恒星物質のダイナミクスを符号化する。重力波天文学における主要な課題は、波形から源パラメータを推論することであり、特に爆発メカニズム（例えば、磁気回転駆動型対ニュートリノ駆動型）に回転が著しく影響を与える急速に回転する前身星の場合に顕著である。現在の研究はしばしば理想化された条件に依存し、未知のバウンス時刻、変化する前身星構造、源の傾斜角といった現実的な観測的不確実性を無視している。本研究は、機械学習（ML）を用いて、現実的な観測制約下において、ピーク周波数（$f_{\text{peak}}$）、距離正規化ピーク振幅（$D\Delta h$）、および回転パラメータ（$T/|W|$）といった主要な物理パラメータを推定する可行性に焦点を当てる。

手法
著者らは、回転する CCSNe によって生成された GW シグナルから物理パラメータを推論するために、回帰ベースの機械学習フレームワークを採用した。

• データセット: 本研究では、相対論的 CoCoNuT コードを用いて計算された 1,332 個の波形のカタログを利用した。データセットには、4 つの太陽金属量を持つ前身星モデル（12、15、27、および 40 $M_\odot$）と 6 つの核状態方程式（EOS）が含まれる。回転は $T/|W| \in [0.02, 0.18]$ の範囲でサンプリングされた。解析は、バウンスと初期のリングダウン信号を分離し、2D シミュレーションで十分に捉えられていない即座の対流相を避けるため、バウンスを中心とした 8 ms のウィンドウ（$[-2, 6]$ ms）に焦点を当てた。
• 信号注入と前処理: シグナルは、Advanced LIGO（A+）ハンフォード検出器（O4a データ）の検出器ノイズ、および次世代検出器（Einstein Telescope（ET）と Cosmic Explorer（CE））の設計感度を表すシミュレートされたガウスノイズに注入された。現実的な条件をシミュレートするため、最大 20 ms のバウンス時刻の不確実性（$\Delta t_b$）が導入された。データは、Tukey ウィンドウ処理、ホワイトニング、および帯域通過フィルタリング（20–2000 Hz）を用いて処理された。
• 機械学習モデル: 7 つの古典的回帰アルゴリズムが評価された：Ridge、Lasso、Random Forest Regressor（RFR）、Support Vector Regression（SVR）、CatBoost、LightGBM（LGB）、および XGBoost（XGB）。モデルは、5 分割交差検証を用いたグリッドサーチによって最適化された。
• 入力表現: 本研究では、時間領域（TD）ひずみデータと周波数領域（FD）表現（フーリエ変換の振幅）を比較した。
• 評価指標: 性能は平均絶対パーセント誤差（MAPE）を用いて定量化された。解析には、EOS および前身星質量の一般化のための「1 つ除外（hold-one-out）」テスト、ならびに変化する源の傾斜角と距離にわたる評価が含まれた。

主要な貢献と結果

1. モデル選択: 勾配ブースティング法は、線形モデル（Ridge、Lasso）および他の非線形アプローチ（RFR、SVR）を著しく凌駕した。XGBoost（XGB）が最も精度の高いモデルとして浮上し、最適方位における 10 kpc の基準距離において、$T/|W|$ に対して 6.70%、$f_{\text{peak}}$ に対して 2.92%、$D\Delta h$ に対して 6.81% の MAPE スコアを達成した。
2. バウンス時刻不確実性の影響: 重要な発見として、TD 表現と FD 表現がタイミング不確実性に対して異なる感度を示すことが挙げられる。20 ms のバウンス時刻不確実性が導入された場合、TD ベースのモデルの性能は劇的に低下し（$T/|W|$ の MAPE は 32.01% に上昇）、一方、FD ベースのモデルは堅牢性を維持した（MAPE $\approx$ 7.36%）。これは、フーリエ振幅が時間シフトに対して不変であるためである。このことは、正確なバウンス時刻が未知である現実的な推論において、FD 特徴が優れていることを確立する。
3. 物理的変動への一般化: モデルは強力な一般化能力を示した。EOS または前身星質量の部分集合で訓練し、保持されたケースでテストした際、MAPE スコアは安定して低く維持された。これは、角運動量分布が類似している限り、推論されたパラメータは訓練に使用された特定の EOS や前身星質量に大きく依存しないことを示している。
4. 源の傾斜角の影響: パラメータ推定は源の傾斜角（$\theta$）に極めて敏感である。低い傾斜角（$\theta \leq 30^\circ$、回転軸が視線方向と一致する場合）では、信号振幅が抑制され（$\propto \sin^2 \theta$）、振幅依存パラメータ（$T/|W|$ および $D\Delta h$）の性能が著しく低下し、MAPE は 30% を超える。しかし、$f_{\text{peak}}$ は低い傾斜角であっても比較的堅牢であった。
5. 検出ホライズン:
   • 現在の検出器（A+）: 信頼性の高いパラメータ推定（MAPE $\leq 20\%$）は、約 15 kpc の銀河内距離に限定される。
   • 次世代検出器: Einstein Telescope（ET）は信頼性の高いホライズンを $\sim$200 kpc まで拡張し、Cosmic Explorer（CE）は $\sim$350 kpc まで拡張する。
   • パラメータの堅牢性: 2000 kpc までの距離であっても、$f_{\text{peak}}$ は高精度で推定可能であるが、$T/|W|$ と $D\Delta h$ はより近接した距離またはより高感度な検出器を必要とする。

意義
本論文は、機械学習、特に周波数領域特徴と勾配ブースティングを用いることが、現実的な観測条件下で GW シグナルから CCSN パラメータを推論するための実行可能かつ堅牢な方法であると主張する。未知のバウンス時刻という重要な課題を周波数領域解析が緩和することを示すことで、この研究は将来の GW 観測所向けの実用的な推論パイプラインの開発を支援する。結果は、現在の検出器が詳細なパラメータ回復のために銀河内の事象に制限されている一方で、第 3 世代の検出器はパラメータ推定ホライズンを大幅に拡大し、銀河外 CCSNe の研究を可能にし、回転や状態方程式を含む中心エンジンの物理学に対する新たな制約を提供することを示唆している。本研究は、解析が回転モデル、短い時間ウィンドウ、単一検出器観測に制限されており、ネットワーク効果や完全な信号の複雑さは将来の研究に委ねられていることを限界として認めている。