The Amplitude-Growth Degeneracy and Implied $A_s$ Diagnostic for Background-Inert Modified Gravity

本論文は、一致した$f(Q)$重力における背景慣性摂動結合が、原始振幅$A_s$と成長因子の間に縮退を生じさせ、プランク$A_s$事前分布を課すことで解決可能な非物理的に高い$\sigma_8$値をもたらすことを示しており、$\Lambda$CDM+$\lambda_0$+$\ln(A_s)$変種に対する弱い統計的選好にもかかわらず、情報基準によって拡張モデルが最終的にペナルティを受けることを明らかにする。

要約

宇宙を巨大な膨張する風船だと想像してください。何十年もの間、科学者たちは、この風船がどのように膨張し、その上の「ほこり」（銀河）がどのように集まるかを記述するために、ΛCDM（ラムダ・コールド・ダークマター）と呼ばれる標準的なレシピを用いてきました。このレシピは初期宇宙については非常にうまく機能しますが、現在の宇宙を見ると、何かが少しおかしいように感じられます。ほこりはレシピが予測するよりも少し集まりにくいようです。これは$S_8$ 問題として知られています。

これを修正するために、一部の科学者はレシピに新しい材料を追加することを提案しました。それが$f(Q)$ 重力と呼ばれる重力の修正です。具体的には、風船の膨張（背景）は変えず、ほこりの集まり方（成長）のみを変える、微小で目に見えない「スパイス」（$\lambda_0$ という数学的な項）を加えました。

以下は、このスパイスに関するこの論文の発見を、わかりやすく解説したものです。

1. データの「マジックトリック」

研究者たちは、この新しいスパイスがほこりの集まりの問題を修正できるかどうかを確認するために、コンピュータシミュレーションを実行しました。彼らは、宇宙のマイクロ波背景放射（宇宙の「赤ちゃん写真」）の測定値と、現在の銀河の運動のデータを含む、特定のルールセット（データ）を使用しました。

問題点： コンピュータシミュレーションは「抜け穴」を見つけました。このスパイス（$\lambda_0$）を加えると、モデルは銀河の集まりをデータに合うようにより強く調整できることがわかったのです。しかし、これを行うために、コンピュータは**初期振幅（$A_s$）**という基本的な数値を密かに操作しなければなりませんでした。

これは、料理人がスープをより塩味にするために、塩を加える代わりに密かに水の量を倍にしてスープの味を変え、その上で「元のレシピは単に塩味が足りなかっただけだ」と主張するようなものです。コンピュータは「集まり」の数値を膨らませることでモデルをデータに完璧に適合させる方法を見つけましたが、その代償として「初期宇宙」の数値を物理的に不可能な値（宇宙の「赤ちゃん写真」から知られている値より約 20〜30% 高い値）に強制してしまいました。

2. 「推定される $A_s$」探偵ツール

著者たちは、これが真の発見ではなく統計的なトリックであると気づきました。コンピュータは「縮退」と呼ばれる状況を利用していました。これは、スパイス（$\lambda_0$）と集まりの強さ（$\sigma_8$）という 2 つの異なるつまみを同時に操作することで同じ結果を得られ、その間に「初期宇宙」のつまみが壊れているという事実を隠してしまう状況です。

このトリックを暴くために、彼らは**「推定される $A_s$」チェック**と呼ばれる新しい診断ツールを発明しました。

• 仕組み： 「このモデルはデータに適合するか？」と問うのではなく、「もしこのモデルがデータに適合するとしたら、初期宇宙は実際にはどのような姿でなければならなかったのか？」と問いかけました。
• 結果： このチェックを適用したところ、スパイスを含むモデルは失敗しました。それらは、私たちの最良の観測（プランクデータ）と矛盾する初期宇宙を必要としていたのです。まるで「より塩味のあるスープ」には、自然界に存在しない秘密の材料が必要だったことが発覚したようなものです。

3. 「ファイアウォール」

この論文は、シミュレーションに「ファイアウォール」を設け、初期宇宙の既知の値（プランク事前分布を使用）を尊重するようにコンピュータに強制すれば、そのマジックトリックは停止することを示しています。

• コンピュータはもはや集まりを膨らませてトリックをかけることができません。
• スパイス（$\lambda_0$）はゼロ、あるいは非常に小さな値に押し戻されます。
• スパイスを含むモデルは、実際には役立たない追加の材料に対してペナルティを科されるため、突然、標準的なレシピ（ΛCDM）よりも劣って見えるようになります。

4. 1 つの奇妙な例外

ファイアウォールを設けた後でも、スパイスを含むモデルが標準的なレシピよりもわずかに優れているように見える、1 つの小さく奇妙なケースがありました。著者たちはこれを「弱い選好」と呼んでいます。彼らは非常に慎重に、これは確認された発見ではなく、より良いデータによるさらなる調査が必要な微小な異常であると述べています。100 万回の裏表で 1 回だけ縁に立つようなコインのようなものです。まだ賭けるべきではありませんが、無視することもできません。

結論

この論文は、将来の宇宙論に対する警告ラベルです。

• 罠： 宇宙の膨張には影響せず、物質の集まりにのみ影響を与える新しい重力理論をテストするために、単純化されたデータ（圧縮された CMB）を使用すると、「偽陽性」を得る可能性があります。コンピュータは新しい理論が優れていると教えてくれますが、それは初期宇宙の数値を操作しているからに過ぎません。
• 解決策： 常に「推定される $A_s$」をチェックしてください。もし新しい理論が、私たちがすでに知っている初期宇宙とは全く異なるものを要求するならば、それは真の発見ではなく、統計的な幻覚である可能性が高いです。

要約すると：この論文は、人気のある新しい重力理論が有望に見えるのは、数学が私たちにトリックを仕掛けているからに過ぎないことを証明しています。そのトリックを止めるやいなや、その理論は単に古い標準モデルの少し複雑なバージョンに戻り、実質的な利点はなくなります。

技術概要

技術的サマリー：振幅増大の縮退と背景不変な修正重力の診断としての推定$A_s$

問題提起
現代の宇宙論は、特に$S_8$（または$\sigma_8$）の緊張（テンション）に直面しており、後期の観測（弱い重力レンズ、赤方偏移空間歪み）は、標準$\Lambda$CDMモデル内での宇宙マイクロ波背景放射（CMB）データからの外挿よりも低いクラスター化振幅を示唆している。修正重力理論（対称テレパラレル重力である$f(Q)$重力など）は、これらの不一致を解決するためにしばしば引き合いに出される。しかし、完全なCMB尤度ではなく「圧縮された」CMB距離事前分布（シフトパラメータ$R$と$l_a$）を用いてこれらの理論を分析する際、重要な方法論的脆弱性が存在する。

本論文は、修正重力理論が再結合以前には標準$\Lambda$CDMに収束するが、背景膨張に対して不変（構造の成長のみに影響する）な摂動結合（$\lambda$）を導入する場合、統計的な縮退が生じることを特定している。具体的には、サンプリング器は初期振幅（$A_s$）と現在の成長因子（$D_0$）の間の縮退を利用する。圧縮されたCMB事前分布は、背景幾何学を制約しつつ$A_s$をプランク値に暗黙的に固定するため、サンプリング器は修正された成長履歴を適合させるためにクラスター化振幅$\sigma_8$を人工的に増大させ、統計的に好まれるが物理的に非現実的な結果をもたらす。

手法
著者は、同時$f(Q)$枠組み内の2つの特定のモデルを分析する：

1. $\Lambda$CDM：標準の参照モデル。
2. ハイブリッド$f(Q)$：背景膨張では$\Lambda$CDMと区別できない境界項（$\alpha^2$）を含むが、摂動を修正するモデル。

両モデルは、特定の摂動補正（$\lambda_0 \sqrt{Q}Q_0$項）の有無でテストされる。この項は「背景不変」であり、ハッブルパラメータ$H(z)$を変化させないが、成長方程式における有効重力定数$G_{eff}$を修正する。

分析には2つのデータセットパイプラインが用いられる：

• BD2R：圧縮CMB + $E_g$統計量 + Pantheon+ SNe + DESI DR2 BAO + 孤立RSDデータ。
• BSDp：圧縮CMB + $E_g$統計量 + Pantheon+ SNe + SDSS DR16 BAO（RSDと結合）。

縮退を診断するため、著者は**「推定$A_s$」診断**と呼ばれるモデル非依存の一貫性チェックを提案する。この指標は、修正された成長因子に基づいてサンプリング器が予測する$\sigma_8$値を再現するために必要な初期振幅を、関係式$A_s^{Implied} = A_s^{Planck} (\sigma_8 / \sigma_8^{Planck})^2$を用いて計算する。推定$A_s$がプランク値から著しく逸脱する場合、サンプリング器が$A_s - D_0(\lambda)$の縮退を利用していることを示す。

主要な貢献

1. $A_s - D_0(\lambda)$縮退の特定：本論文は、$f(Q)$重力における任意の背景不変な摂動結合が、圧縮されたCMB事前分布を使用する際に$\sigma_8$と縮退を生み出すことを証明する。サンプリング器はより良い適合を見つけるために$\sigma_8 - \lambda_0$の谷を「滑り」、$A_s$（事前分布によって固定される）の対応する調整なしに$\sigma_8$を増大させる。
2. 推定$A_s$診断：著者は、単純なポスト処理の一貫性テストを導入する。最良適合の$\sigma_8$を必要な$A_s$にマッピングすることで、研究者はモデルの統計的優先度が、振幅の非現実的な増大によって駆動されているかどうかを検出できる。
3. 「振幅補償」メカニズムの定量化：本研究はこの増大の程度を定量化し、$\lambda_0$補正が$\sigma_8$を非現実的な値（例：$0.90$対$0.79$）まで増大させ、物理的一貫性を得るために$A_s$を$20%-30%$増加させる必要があることを示している。これにより、プランクデータとの間で$1.7\sigma - 2.2\sigma$の緊張が生じる。

結果

• 制約のない分析：$\lambda_0$が自由に変動することを許容する場合、$\Lambda$CDMモデルとハイブリッド$f(Q)$モデルの両方が、$\lambda_0$変形版を支持する中程度の統計的証拠（$\Delta \log Z$、AIC、DICによる）を示す。しかし、この優先度は$\sigma_8$の人工的な増大によって駆動されている。
• 推定$A_s$の緊張：$\lambda_0$モデルの「推定$A_s$」値は、プランク2018の値から著しく逸脱する。BD2Rパイプラインの場合、緊張は$2.2\sigma$に達し、BSDpの場合、$1.7\sigma - 1.8\sigma$である。
• 事前分布の影響：プランクからの$\ln(A_s)$に対する厳密なガウス事前分布を課すと、縮退は破られる。$\sigma_8$値はベースラインに戻り、$\lambda_0$モデルに対する統計的優先度は消滅する（または弱く非支持となる）。情報基準（AIC、BIC）は、予想通り追加パラメータに対してペナルティを課す。
• 例外：縮退が解消された後でも、BSDp組み合わせにおいて$\Lambda$CDM + $\lambda_0$ + $\ln(A_s)$モデルに対する弱い残留的優先度（$\Delta \log Z = +1.09$）が残存する。著者はこれを、完全形状CMB尤度を用いたさらなる調査を要する可能性のあるシグナルとして指摘し、それが「結論的でない - 弱い」領域の境界にあることに注意を促す。

意義と主張
本論文は、摂動自由度が背景膨張から切り離されている理論に対して、圧縮されたCMB事前分布の使用は不十分であると主張する。そのような場合、初期振幅は制約されず、サンプリング器が統計的に優れているように見える非現実的な適合を生成することを許容してしまう。

著者は、「推定$A_s$」診断が不可欠な「ファイアウォール」または一貫性チェックとして機能すると論じている。これにより、研究者は振幅の増大に依存してデータを適合させるモデルを特定・排除でき、統計的改善が物理的妥当性と誤って混同されないようにする。本研究は、次世代の観測がサブパーセントレベルの成長測定を提供するにつれて、このクラスの修正重力理論の将来の分析は、完全なCMB尤度を利用するか、誤推測を防ぐために$\ln(A_s)$に厳格な事前分布を課さなければならないと結論づけている。