KineticXGPU: A Tensorized Collision Operator for Dark-Sector Self-Scattering

技術要約：KineticXGPU：ダークセクターの自己散乱のためのテンソル化衝突演算子

問題提起
ダークマター（DM）の微視的な性質は依然として未知であり、直接検出信号の欠如から、フリーズイン（freeze-in）のような代替的な生成履歴が支持を集めています。DMが異なる時期に複数のチャネル（例：初期の熱的崩壊と後期の凝縮体崩壊）を通じて生成されるシナリオでは、結果として得られる位相空間分布は非熱的かつバイモーダル（二峰性）になり得ます。自己相互作用は、これらの分布を熱平衡（局所熱平衡、LTE）へと緩和させることができますが、このプロセスの効率は弾性 $2 \to 2$ 散乱率に依存します。

このような運動量依存の進化を追跡するために、フル・ボルツマン方程式（fBE）を解くことは、運動量空間の全領域を追跡する必要があるため、数値計算上の負荷が高くなります。弾性衝突演算子は、各ビンに対して運動量グリッドの総和を必要とするため、位相空間の異なる領域を結合させます。既存の公開ツール（DRAKEやBESTなど）は、多くの場合、CPUベースの実装や、熱的な形状を仮定した流体近似（結合ボルツマン方程式、cBE）に依存しています。流体近似は非熱的な特徴を捉えることができず、一方でCPUベースの運動量分解ソルバーは、衝突項における高次元積分の計算コストに苦慮します。

手法
著者らは、GPU加速を目的として設計された、PyTorchベースの $2 \to 2$ 弾性自己衝突演算子である KineticXGPU を提示します。

1. 離散化とテンソル化:

   • 膨張宇宙における位相空間分布 $f(t, p)$ に対してボルツマン方程式を解きます。ハブルの赤方偏移項を左辺から取り除くために、共動運動量 $q = a(t)p$ に切り替えます。
   • 運動量空間は対数グリッド上で離散化されます。エネルギー・運動量保存則によって制約された運動量に関する4次元積分を含む衝突演算子は、グリッド点上の和へと簡略化されます。
   • 決定的なのは、離散化された演算子が**テンソル縮退（tensor contractions）**の一連の操作として再定式化されている点です。ゲイン・マイナス・ロス構造（$f_n f_m - f_i f_{\tilde{j}}$）は、各外部ビン $i$ に対して内部運動量インデックス ($n, m$) を総和することで評価されます。この構造により、操作は高度に並列化が可能となり、GPUアーキテクチャへのマッピングが自然に行われます。

2. 数値実装:

   • 積分: 時間進化は、スケール因子 $a$（または $u = \log a$）を独立変数として用いて行われます。積分戦略は適応的です：
     • 自己散乱が無視できる初期段階（$\Gamma_{2\to2} \ll H$）では、衝突項をゼロに設定した固定ステップの4次ルンゲ＝クッタ法が使用されます。
     • 散乱率が有意になった段階（$\Gamma_{2\to2}/H > 10^{-2}$）では、衝突項の非線形性を扱うために、適応型ヘウン（Heun）法に切り替わります。
   • 保存: 数値的な誤差（有限のグリッド範囲、補間、および求積法に起因するもの）を補正するため、粒子数およびエネルギーの厳密な保存（0次および1次のモーメント）を保証する投影技術を実装しています。弾性寄与は、ゼロモーメントを持つ部分空間へと投影されます。
   • 検証: コードは、BEST フレームワーク内の半解析的な評価器と比較することで検証されています。比較の結果、衝突演算子の値において一致が見られ、残差は主に補間の感度が高い非熱的な特徴の付近で発生しています。

3. 物理的シナリオ:
   コードは、スカラーDM粒子 $\chi$ を含む「2ソース・フリーズイン」シナリオに適用されます。

   • ソース1: 熱的バスにおける初期に発生するヒッグス・ポータル崩壊（$h \to \chi\chi$）。
   • ソース2: 冷たいスカラー凝縮体の崩壊（$\Phi \to \chi\chi$）による、明確な運動量を持つモノエネルギッシュな集団の注入。
   • 相互作用: 4次の接触相互作用（$\lambda \chi^4$）が弾性自己散乱を駆動します。

主要な結果

• パフォーマンス: テンソル化されたアプローチは、大幅な計算上の優位性を示しています。ベンチマークによると、GPU実装（PyTorchを使用）は、特に運動量ビン数（$N_{grid}$）が増加するにつれて、CPU実装および半解析的なBEST評価器を上回る性能を発揮します。テンソル縮退の並列的な性質により、GPUの実行時間は効率的にスケールします。
• バイモーダル分布の進化:
  • 自己相互作用がない場合、最終的なDM分布は、2つの異なる生成時期を反映して、明確なバイモーダル形状を保持します。
  • 自己結合強度（$\lambda$）が増加するにつれ、弾性散乱は2つの運動量成分間の分離を段階的に消去していきます。
  • 相互作用が十分に強い場合、分布はマックスウェル・ボルツマン形状へと緩和し、これはLTEと一致します。
• 流体近似との比較: 著者らは、時間依存の温度と化学ポテンシャルを持つ熱的形状を仮定した結合流体処理（cBE）と、フル位相空間解（fBE）を比較しています。
  • 弱相互作用の領域では、fBEの解は明らかに非熱的であるのに対し、cBEは熱的な形状を仮定しています。
  • 流体近似は、非熱的な特徴の持続や、完全な運動論的扱いから観察される具体的な緩和ダイナミクスを捉えることができません。

意義および主張
本論文は、運動量依存の効果が極めて重要なダークセクターの進化を研究するための、堅牢で公開可能なツールとして KineticXGPU を提供すると主張しています。その主な意義は以下の通りです：

1. 運動論的研究の実現: 複数の生成チャネルによって非熱的な分布が生成されるような、レートの階層関係が必ずしもLTEを保証しないシナリオにおける緩和プロセス研究を可能にします。
2. 計算効率: テンソル縮退を通じてGPU加速を活用することで、弾性自己散乱を伴うフル・ボルツマン方程式の求解を計算可能にし、従来のCPUベースのアプローチにおけるボトルネックを克服します。
3. 物理的洞察: 2ソース・シナリオへの適用は、自己相互作用が非熱的な特徴を平滑化または消去することによって、小スケールの物質パワースペクトルを著しく変化させ得ることを示しており、これらは流体近似では見落とされる効果です。

著者らは、本コードは摂動のない分布と自己衝突演算に焦点を当てているものの、その計算フレームワークは一般的であり、他のダークセクターモデルや摂動計算へ拡張可能であると結論付けています。再現性とさらなる発展を促進するため、コードはGitHubで公開されています。