技術要約：コヒーレンス原理（Coherence Principle）

1. 問題提起

現代の宇宙論および粒子物理学において、ベイズモデル選択はしばット重要な方法論的課題に直面している。すなわち、経験的データが弱い、間接的である、あるいは物理的な境界に近い場合、競合する仮説間の事後オッズは、モデル空間に割り当てられた事前分布に対して、しばしば認識されないまま強い依存性を継承してしまう。リファレンス事前分布、階層的事前分布、あるいは「自然さ（naturalness）」への訴えといった標準的なアプローチは、関連する理論的知識を無視しているか、あるいは操作的に定義することが困難な基準に依存している。

現役の物理学者は、成功した背景理論（対称性、保存則、局所性など）の「検証済みアーキテクチャ」との構造的な適合性に基づいて、モデルの事前妥当性を日常的に判断している。しかし、この判断は、定量的な、再現可能なベイズ推論の構成要素として形式化されることは稀である。本論文は、このような一般的な物理学的推論と、厳密なベイズモデル選択の要件との間の乖離を特定している（例：ニュートリノ質量順序、ダークエネルギー状態方程式などの、ベイズ因子だけではモデルを区別するのに不十分な領域）。

2. 方法論：コヒーレンス原理

著者らは、成功した背景理論の「構造的文法」に基づいてモデルの事前分布を割り当てるための一般的な手続きとして、**コヒーレンス原理（Coherence Principle）**を提案する。

2.1 構造的文法

この手法は、背景理論 $T$ とその文法 $G(T)$ を定義することから始まる。文法とは、検証された構造的規則 $\{p_1, p_2, \dots, p_n\}$ の集合である。これらの規則は、以下のような粗粒度なアーキテクチャの特徴である：

• 対称性: ゲージ不変性、ローレンツ不変性、ファミリー普遍性。
• 時空の原理: 局所性、因果律、等価原理。
• 保存則: エネルギー、運動量、レプトン数／バリオン数。
• 正則性特性: 再正規化可能性、ユニタリティ、解析性。

決定的なのは、文法は特定のラグランジアンとは異なる点である。それは、再定式化や極限ケースにおいても生き残る「規則性」を表している。

2.2 コヒーレンス・コストと事前分布

候補となるモデル $M$ に対して、手法はコヒーレンス・コスト $C(M|T)$ を計算する：
$$C(M|T) = \sum_{i=1}^n w_i \delta_i(M, T)$$
ここで：

• $\delta_i(M, T) = 1$ は、$M$ が独立した動機なしに原理 $p_i$ を破る場合であり、$0$ はそうでない場合である。
• $w_i \geq 0$ は、原理の経験的な堅牢性を反映する任意の重みである（デフォルトは $w_i=1$）。
• 「独立した動機」とは、審美的なものではなく、経験的または理論的なものでなければならない。

コヒーレンス事前分布は、次のような最大エントロピー指数関数形式によって定義される：
$$P(M|T) \propto \exp[-\alpha C(M|T)]$$
ここで $\alpha > 0$ は較正可能なスケールパラメータである。最小限の実装では $\alpha = 1$ であり、動機付けのない違反ごとに $e^{-1} \approx 0.37$ のペナルティ因子を割り当てる。

2.3 既存手法との区別

著者らは、コヒーレンス原理を以下のものと明確に区別している：

• オッカム因子（Occam Factor）: オッカム因子（ベイズ因子に内在するもの）は、使用されないパラメータ空間の体積を罰する。コヒーレンス原理は、データ分析の前段階において、パラダイムとの構造的な不一致を罰するという、モデル空間レベルで機能する。
• リファレンス事前分布（Reference Priors）: リファレンス事前分布は、外部の理論的知識に対して無関心であることを目的としている。コヒーレンス原理は、データが不十分な場合に極めて重要となる、そのような知識を明示的に組み込む。
• 自然さ（Naturalness）: 自然さの議論はしばしばスケール依存的であり、反例も存在する。コヒーレンス原理は、単一の定量的なスケールではなく、明示的にリスト化され、反証可能な構造的規則に基づいている。

3. 主な適用例と結果

論文では、この原理をいくつかの領域に適用して示し、分野で非公式に行われている定性的なランキングを、定量的かつ再現可能なものにしていることを実証している。

3.1 ニュートリノ質量メカニズム

統一モデル（ファミリー普遍的な拡張、例：Type-I シーソー機構）と、分離モデル（異なるファミリーに対して異なるメカニズムを持つもの）を比較する。

• 結果: 分離モデルはファミリー普遍性を破るため ($C=1$)、一方、統一モデルは文法を尊重する ($C=0$)。
• 影響: $\alpha=1$ のとき、事前オッズは統一モデルを $e \approx 2.72$ の比率で優遇する。既存のデータと組み合わせることで、証拠を「逸話的」なものから「ポジティブ」なものへとシフトさせ、事前分布の構成に依存する曖昧さを解消する。

3.2 ダークエネルギーと修正重力理論

一般相対性理論（GR）の文法 $G(T_{GR})$ には、一般共変性、等価原理、および二次の場の方程式といった原理が含まれる。

• 結果:
  • 宇宙定数 ($\Lambda$) および最小結合クインテッセンス: すべての規則を尊重する ($C=0$)。
  • スクリーニングされたスカラー・テンソル理論 ($f(R)$, ホルデスキ): 等価原理の違反を避けるためにスクリーニング機構を必要とすることが多く、スクリーニングが自己整合的でない場合、$C \approx 1$ となる。
  • ローレンツ不変性を破る／非局所的重力: 局所性やローレンツ不変性を破る ($C \approx 2-3$)。
• DESIの選好: DESIのデータはファントム・クロッシング ($w < -1$) を示唆している。単一の最小結合スカラーは、不安定性（Vikmanのノーゴー定理）なしにはファントム境界を越えることができない。これを実現するには、追加の自由度や修正重力が必要となり、コヒーレンス・コスト ($C \geq 1$) が発生する。この事前分布は、クロッシングの実現を罰するため、データは真のファントム・クロッシングよりも、後期宇宙のダイナミクスを支持していることを示唆している。

3.3 インフレーションと標準模型を超える理論（BSM）

• インフレーション: 単一場スローロールモデル ($C=0$) は、検出可能なアイソカーベントや非ブンチ・デイヴィス初期状態を持つモデル ($C=1$) よりも好まれる。
• BSM: 普遍的な拡張（例：MSSM, GUT）は $C=0$ である。非普遍的なゲージ結合（例：ファミリー依存の $Z'$）は、異常（アノマリー）によって独立に動機付けられていない限り、ファミリー普遍性を破る ($C=1$)。

3.4 歴史的事例研究（レトロディクション）

著者らは、正しい、かつタイムスタンプが付与された文法を適用した場合に、歴史的に成功した選択を好むかどうかを検証するために、歴史的なパラダイムシフトに対して原理をテストしている。

• アインシュタイン vs ニュートン:
  • 1905年以前の文法: ニュートン力学に基づく。一般相対性理論は絶対時間とガリレイ不変性を破る ($C \approx 4$)。この原理は、GRを不利に評価したであろう。
  • 1905年以降の文法: 特殊相対論（1915年までに検証済み）に基づく。ニュートン重力はローレンツ不変性を破る ($C \geq 2$) 一方、GRはそれを尊重する ($C \approx 0$)。この原理は正しくGRを支持する。
  • 教訓: 文法は、現在最も確実な検証済み理論にタイムスタンプを付ける必要がある。
• パウリのニュートリノ vs 保存則の放棄:
  • 1930年当時、データは新しい粒子（ニュートリノ）と統計的なエネルギー保存のどちらかを区別できなかった。
  • 「ニュートリノ」モデルはすべての保存則を尊重する ($C=0$)。一方、「ボーア」モデルはエネルギー、運動量、角運動量を破る ($C \approx 3$)。
  • この原理はパウリを強く支持し ($e^3 \approx 20$)、直接検出がなかった当時においても、歴史的な結果を正しく予測した。
• パリティ対称性の破れ:
  • パリティ保存を普遍的な規則として含む文法をナイーブに適用した場合、リーとヤンの提案を不利に評価しただろう。
  • 解決策：パリティ保存は強相互作用や電磁相互作用の領域でのみ検証されており、弱相互作用の領域ではない。ドメイン分解された文法は、パリティ破れに対してコストを割り当てない。この「失敗」は、過度に拡張された文法によるものであり、原理自体の失敗ではない。
• 特殊相対論 vs ローレンツ・エーテル:
  • 1905年において、両理論は経験的に退化していた ($B \approx 1$)。
  • エーテル理論は優先フレームを保持しており（相対性原理の違反、$C=1$）、特殊相対論は原理を公理へと昇格させた ($C=0$)。
  • 事前分布それ自体が特殊相対論を優遇し ($e^1 \approx 2.7$)、退化した領域における決定的な要因として作用した。

3.5 符号付き拡張：コヒーレンス・ボーナス

著者らは、モデルが背景理論における未解明の偶然であった原理を「説明」した場合に、コヒーレンス・ボーナス（負のコスト）を得られる符号付き拡張を提案している（例：GRが等価原理を仮定するのではなく、そこから導出する場合）。これにより、事前オッズはさらに鋭くなる（例：ニュートンに対しGRを $e^3 \approx 20$ の比率で優遇する）。

4. 意義と主張

本論文は、コヒーレンス原理が、理論的な構造的知識をベイズ推論に組み込むための、再現可能で、反証可能で、透明な方法を提供すると主張している。

• 再現可能性: すべての入力（文法 $G(T)$、重み、指標）は明示的であり、異議を唱えることが可能である。
• 反証可能性: 事前オッズは有限であり、十分に強力なデータによって覆すことができる。
• 謙虚さ: 著者らは、この原理が尤度（likelihood）の代替物ではなく、またオッカム因子の二重計上でもないことを強調している。それは、美しさや優雅さといった審美的な基準に依存せず、それらが検証済みの構造的規則として再定義できる場合にのみ依存する。
• 範囲: 宇宙論や粒子物理学において示されているが、この枠組みは、検証された理論的枠組みが許容される拡張を制約するあらゆる分野（生物学、経済学、気候科学など）に適用可能な、理論に裏打ちされた推論のための一般的な手法として提示されている。

結論として、コヒーレンス原理は、物理学者が非公式に行っている「検証された構造的規則への信頼」を、ベイズモデル選択における日常的かつ定量的な構成要素へと変換するものである。これは、特にデータが弱い、あるいは退化している領域において極めて価値が高い。