Reionisation time field reconstruction from 21-cm Maps: Investigating predictor coherence in WDM cosmology

技術的サマリー：WDM 宇宙論における 21cm 線マップからの再電離時刻場の再構成

問題提起
再電離期（EoR）は宇宙進化における重要な段階であるが、その詳細な歴史は依然として不明瞭である。再電離時刻場 $t_{\text{reion}}(\vec{r})$ は、宇宙がいつ、どこで電離したかについての包括的な視点を提供するが、直接観測することはできない。先行研究（Hiegel et al. 2023）は、畳み込みニューラルネットワーク（CNN）が特定の赤方偏移における 21cm 線マップから $t_{\text{reion}}(\vec{r})$ を推論できることを示した。しかし、重大な制限が存在する：これらの予測器は特定の再電離モデル（例：冷たい暗黒物質、CDM）上で訓練されている。異なる物理条件（例：温かい暗黒物質、WDM）に由来する可能性のある観測データに適用された場合、これらの予測器の信頼性は不確かである。これらの予測器の「整合性」を評価する必要がある。具体的には、あるモデル上で訓練された予測器が、異なるモデルによって生成されたデータに適用された際に一貫した結果をもたらすかどうか、そしてそのような不整合が基礎となる宇宙論モデルを検証または排除するために利用可能かどうかである。

手法
著者らは、CDM モデルを参照入力として扱うことで予測器の整合性を評価する手法を提案する。本研究では、$\Lambda$CDM 宇宙論の下で 21cmFAST シミュレーションコードを用いて生成された模擬 21cm 線マップを使用し、粒子質量（$m_X$）が 2、3、5、7 keV の 4 つの WDM シナリオを組み込んでいる。

1. 予測器の訓練: U-net アーキテクチャに基づく 5 つの異なる CNN 予測器を訓練した。それぞれは、特定の暗黒物質モデル（CDM、2 keV、3 keV、5 keV、7 keV）に対応する 21cm 線マップを、特定の赤方偏移（$z=8$ および $z=11$）において訓練に用いた。
2. モデル間適用: 手法の核心は、CDM によって生成された 21cm 線マップ（「観測」として）を 5 つのすべての予測器に入力することである。
3. 整合性の評価: 著者らは、2 つの異なる赤方偏移（$z=11$ および $z=8$）において同一の予測器から得られた再構成された $t_{\text{reion}}(\vec{r})$ 場を比較する。一貫した予測器 - モデルの組み合わせにおいては、再構成の統計的性質が赤方偏移にわたって不変であるという仮説に基づいている。
4. 指標: 再構成された場に対して、自己整合性を定量化するために 4 つの統計的指標が計算された：
   • 中性水素の体積分率（$Q_{HI}$）。
   • 再電離時刻場のパワースペクトル（$P_k$）。
   • 電離領域と中性領域の境界を表す等値線の総長さ。
   • $t_{\text{reion}}$ 場における極小値の数（再電離源を表す）。
5. 定量化器: WDM 予測器を CDM 参照と比較するために、3 つの特定の推定量が定義された：
   • RMSE: 赤方偏移再構成間の差（$S_{11} - S_8$）の二乗平均平方根誤差。
   • 整合性割合（$q$）: CDM の RMSE と WDM の RMSE の比率。
   • 決定係数（$R^2_\Delta$）: CDM 再構成の整合性に対する WDM 再構成の整合性の距離を測定する。負の $R^2_\Delta$ は、WDM 予測器が CDM 予測器が自身に対して示す整合性よりも、入力に対して整合性が低いことを示す。
6. 不確実性解析: 再構成ノイズが統計的比較を支配しないことを保証するため、モンテカルロドロップアウトを用いて認識論的不確実性を推定した。

主要な結果
本研究は、モデルを区別する能力が WDM 粒子の質量と使用される特定の指標に大きく依存することを発見した：

• 高質量モデル（5 および 7 keV）: 5 keV および 7 keV モデル上で訓練された予測器は、CDM 入力に適用された際に高いレベルの自己整合性を示し、すべての指標において CDM 予測器と統計的に類似した挙動を示す。$R^2_\Delta$ の値は正で高い（例：7 keV における $Q_{HI}$ で 0.83）ため、この手法を用いてこれらのモデルを CDM から区別することは困難である。
• 低質量モデル（2 keV）: 2 keV 予測器はすべての指標で著しい乖離を示す。大きな RMSE 値と負の $R^2_\Delta$ 値（例：等値線長さで -4.8）を生み出し、CDM 入力データとの根本的な非互換性を示している。2 keV モデルは容易に排除される。
• 中間モデル（3 keV）: 3 keV 予測器は中間的な挙動を示す。一般的には排除されるが、より複雑なケースである。いくつかの指標（極小値の数など）では高い整合性割合（$q \approx 0.97$）を示す一方で、5 keV および 7 keV モデルと比較して依然として低い $R^2_\Delta$ を生み出す。これは、単一の指標に依存することでは不十分であり、不整合を特定するには多指標分析が必要であることを示唆している。
• 不確実性: CNN 再構成によって導入された認識論的不確実性（$\Delta\sigma$）は、すべての観測量において支配的ではなく（$\Delta\sigma < 1$）、観測された乖離がモデルの不一致によるものであり、再構成ノイズによるものではないことを確認した。

意義と主張
本論文は、実観測データ（平方キロメートルアレイ、SKA からのデータなど）への適用前に、機械学習予測器を検証するための枠組みを提供すると主張する。主な意義は、CNN 予測器が訓練データの基礎となる物理に対して感度を保持していることを実証することにある。

• モデル選択: この手法により、観測データと整合しない再電離モデルを排除することが可能である。例えば、CDM 類似のデータに適用された際、赤方偏移にわたって整合性を維持できなかった 2 keV WDM モデルは、実質的に排除される。
• 限界: 著者らは控えめに、この手法は物理的に類似したモデル（例：5 keV および 7 keV WDM と CDM）を区別することに苦労すると指摘している。彼らは、この目的が宇宙論パラメータを直接制約することではなく、モデルの不一致に対する予測器の堅牢性を評価することであると強調している。
• 将来の課題: 本論文は、現在の結果は有望であるが、SKA 類似の観測への将来の適用には、アテンション機構などの改良された CNN アーキテクチャと、機器ノイズおよび前景汚染のより良い処理が必要であると結論付けている。本研究は、宇宙再電離の研究における信頼性の高い応用を確保するために、入力モデルに対して予測器を検証する必要性を強調している。