Updating the PATH framework with FRB host galaxy models

技術要約：FRBホスト銀河モデルによるPATHフレームワークの更新

問題提起
高速ラジオバースト（FRB）のホスト銀河の特定は、そのプロジェニター（起源天体）を理解し、赤方偏移と分散手法（DM）の関係を通じた電離ガスの宇宙論的分布の研究にFRB集団を活用する上で極めて重要である。ホスト銀河をFRBに関連付けるための標準的な手法は、ベイズ統計フレームワークである「Probabilistic Association of Transients to their Hosts（PATH）」である。しかし、現在のPATHの適用には主に2つの制限がある：

1. 汎用的な事前分布： このフレームワークは、FRBホストに関する知見が乏しかった時期に開発された、ホスト銀河の等級やオフセットに関する簡略化された事前分布に依存している。現在は、距離に対する厳格な上限を与えるDMから導かれる、物理的に動機付けられた事前分布を組み込むことができていない。
2. 閾値バイアス： PATHの出力の解釈において、事後確率が任意の閾値（例：90%）を下回るホスト候補を破棄することがしばしば行われる。このアプローチは、すべての候補の特性によって重み付けされた完全な事後分布を考慮できておらず、結果としてFRBホストの固有の特性の推定にバイアスをもたらす可能性がある。

手法
著者らは、赤方偏移（$z$）の関数としての期待されるホスト銀河の$r$バンド見かけ等級（$m_r$）に基づいた、物理的に動機付けられた事前分布を組み込むために、PATHフレームワークを拡張した。この手法は、主に3つのコンポーネントで構成される：

1. フレームワークの拡張： 著者らは、真のホストが特定の候補（$O_i$）であるか、あるいは未観測（$U$）であるかに基づいて、特定の候補銀河の集合（$x, N_O$）が観測される確率を明示的に考慮するように、PATHの事後確率を再導出した。彼らは、銀河の角数密度 $\rho(m)$ に基づく正規化因子を導入し、観測された画像の深さと候補の特定の等級に基づいて事前分布が正しく更新されるようにした。
2. ホスト等級モデル（$P(m_r|z)$）： 赤方偏移に対するホスト銀河の等級分布を予測するために、3つの異なるモデルを開発した：
   • Marnoch23（経験的モデル）： 既知の23個のFRBホストの観測された $m_r(z)$ 曲線に対するガウス近似。このモデルはデータ駆動型であるが、$z < 0.5$ に限定されており、元のサンプルの選択バイアスの影響を受ける。
   • Loudas25（予測的モデル）： GALFRBパッケージに基づくモデルであり、星質量（$M_*$）と星形成率（SFR）で重み付けされた銀河集団を生成する。このモデルは、混合パラメータ $f_{SFR}$ を用いて、質量重み付け分布とSFR重み付け分布の間を補間し、FRBが星形成を追跡しているのか、あるいは星質量を追跡しているのかのテストを可能にする。
   • Naive（素朴なモデル）： 絶対等級（$M_r$）の固定された分布を、光度距離と簡略化された$K$補正項を介して見かけ等級へとスケールさせた汎用的なモデル。これには、FRBの起源に関する天文学的な仮定は含まれていない。
3. DMとの統合： これらのモデルは、ZDMコードを用いて計算された、銀河外DMによる赤方偏移の確率分布 $P(z|DMEG|)$ と結合される。これにより、各FRBの特定のDMおよび光学追跡画像の深さに基づいた事前分布 $P(O_i)$ および $P(U)$ の計算が可能になる。

本フレームワークは、CRAFTサーベイによる非干渉和（ICS）モードで検出された、オーストラリアSKAパスファインダー（ASKAP）による32個のFRBに対して適用されており、これらのFRBには光学追跡データ（VLT/FORS2）が存在する。

主な貢献

• PATHへの形式的な更新： 本論文は、ホストが未観測である確率（$P(U)$）および観測フィールドの特定の等級を考慮するために、事前分布の正規化を修正した、PATHフレームワークへの厳密な数学的更新を提供している。
• 物理的に動機付けられた事前分布： 汎用的な仮定を超えて、FRBのDMを用いてホスト銀河の見かけ等級の事前確率を決定する機能を導入した。
• モデル比較： 3つの異なるFRBホスト等級分布モデルを、32個のASKAP/ICS FRBのサンプルに対して適合させ、比較フレームワークを確立した。
• バイアスの定量化： 従来の「確実なホスト」の閾値設定によって導入されるバイアスを定量化し、更新された事前分布が事後確率をどのように変化させるかを実証した。

結果

• 信頼性の向上： 新しい事前分布を用いた更新されたPATHフレームワークを適用することで、ASKAP/ICSサンプルの最も可能性の高いホスト銀河に対する信頼性が向上した。以前は「確実」な閾値を下回っていた多くの候補（例：FRB 20210807DおよびFRB 20240210A）が、ほぼ確実な関連付け（$P(O|x) \approx 1.0$）へと昇格した。
• ホスト等級分布：
  • Loudas25 モデルは、最良適合の混合パラメータとして $f_{SFR} = 3.0$ を示した。この値は物理的に不自然（範囲 $0 \le f_{SFR} \le 1$ を超えている）であるが、これは真のFRBホスト分布が、純粋なSFR重み付け分布よりも著しく暗いことを示唆している。著者らは、ホストがSFR重み付け分布よりも暗い確率が0.12%、質量重み付け分布よりも暗い確率が $10^{-9}$ であると報告している。
  • Marnoch23 および Naive モデルは、Loudas25モデルよりも統計的に優れた適合（高い対数尤度）を示した。両モデルとも、特に高赤方偏移において、より暗いホスト分布を予測している。
  • Naive モデルの適合は、絶対等級分布のピークが $M_r = -21$ 付近にあることを示唆しており、暗いホストへの裾野を持っている。また、低赤方偏移サンプル（$z \lesssim 0.55$）内では、赤方偏移に依存する$K$補正の有意な証拠は見出されなかった（$k \approx -0.1$）。
• 未観測ホストの事前分布（$P(U)$）： 本研究は、$P(U)$ が銀河外DM（$DMEG$）および光学サーベイの深さに強く依存することを実証しており、多様なFRBサンプルに対して一定の $P(U)$（例：0または0.1）を使用することに警鐘を鳴らしている。

意義と主張
本論文は、DMに基づいた等級事前分布を用いてPATHフレームワークを更新することが、堅牢なFRBホスト特定のために不可欠であると主張している。主な意義は以下の通りである：

1. ホスト関連の精緻化： 更新された手法は、より信頼性の高いホスト候補の確率を提供し、古い汎用的な事前分布の下で暗い、あるいは事後確率が低いという理由で真のホストを破棄してしまうリスクを軽減する。
2. プロジェニターへの制約： FRBホストが予想されるSFR重み付けまたは質量重み付けの銀河集団よりも暗いという結果は、FRBのプロジェニターが特定の環境（例：特定の金属量や特定の星形成史）を好むか、あるいは選択効果（例：大きな銀河に対する散乱バイアス）が働いている可能性を示唆している。
3. 体系的な取り扱い： 著者らは、事前分布を生成するためのデフォルトとして、その単純さと適合性の高さから Marnoch23 モデルを使用することを推奨し、系統的な不確実性を評価するためにLoudas25およびNaiveモデルを使用することを推奨している。
4. 今後の方向性： 論文では、現在のモデルは低赤方偏移（$z \lesssim 0.5$）に限定されていることを指摘しており、将来の研究では、より高赤方偏移のサーベイ（DSA-110、MeerTRAPなど）のデータを取り入れ、FRB集団のパラメータとホスト分布を同時に適合させる手法を開発する必要があると述べている。

著者らは、自らの結果が、FRB集団の赤方偏移-DM分布を適合させる研究にとって極めて重要であると明言している。なぜなら、正確なホスト特定とバイアス補正は、宇宙論的な推論のための前提条件だからである。彼らは、プロジェニターの謎を決定的に解明したと主張しているのではなく、それを制約するためのより厳密な統計的ツールを提供しているのである。