Testing General Relativity with GWTC-4.0 through mixture models

技術要約：混合モデルを用いたGWTC-4.0による一般相対性理論の検証

問題提起
コンパクト連星合体による重力波（GW）観測は、強重力場動的領域における一般相対性理論（GR）の精密な検証を可能にしてきた。複数のイベントの結果を組み合わせてGRからの逸脱を探索するための現行の手法には、主に2つの枠組みが存在する：「結合事後分布（joint posterior）」アプローチと「階層的（hierarchical）」アプローチである。

• 結合事後分布アプローチは、すべてのイベントに対して共通の偏差パラメータ値が存在すると仮定する（実質的に$\sigma=0$を仮定している）。
• 階層的アプローチは、偏差パラメータを、平均$\mu$と共分散$\Sigma$を持つガウス分布としてモデル化された母集団分布から抽出される乱数として扱う。

両方の枠組みは、本質的に制限的な「全か無か」の仮定を課している。すなわち、すべてのイベントがGRに従う（偏差がゼロであるか、特定の母集団から抽出される）か、あるいはすべてのイベントが一定の形でGRから逸脱しているかのいずれかであると仮定している。著者らは、理論に依存しない分数的な偏差パラメータについては、これらの仮定は過度に制限的であると主張している。なぜなら、GRを超える（bGR）理論は、多くの場合、固有のソース特性に依存する非線形な形で偏差を予測するためである。さらに、これらの枠組みは、一部のイベント（例：ボゾン星のようなエキゾチックなコンパクト天体）がGRから逸脱し、大多数がGRと一致しているようなシナリオを収容することができない。この硬直性は、推論される証拠を歪めるリスクがあり、不均一な逸脱を過小評価したり、モデル化されていない系統誤差によってGRに対する証拠を過大評価したりする可能性がある。

手法
著者らは、カタログ内のイベントに対してGRをテストするための、**混合モデル（mixture models）**に基づく柔軟なベイズ枠組みを導入する。この枠組みの中核となるのは、GRと一致するイベントの割合を表す単一のパラメータ$\zeta \in [0, 1]$である。

• モデル構造: 単一のイベント$k$の尤度は、混合としてモデル化される：
  $$L(d_k | \zeta) = \zeta Z_{GR}(d_k) + (1-\zeta) Z_{bGR}(d_k)$$
  ここで、$Z_{GR}$と$Z_{bGR}$は、それぞれGRモデルおよび代替モデルに対するベイズ証拠（evidence）である。
• 仮説検定: この枠組みは、カタログ全体がGRと一致するという仮説（$\zeta = 1$）を、$\zeta$を自由パラメータとする一般的なモデルに対してテストする。カタログレベルのベイズ因子は、$B_{GR}^{bGR} = B_{\zeta=1}^{\zeta \neq 1}$として計算される。
• アグノスティシズム（無知性）: 階層的アプローチとは異なり、この混合モデルのデフォルトの形式は、非GR成分の偏差に関する母集団分布に対してアグノスティック（無知）である。これは、$1-\zeta$の割合の偏差に対して特定の関数形（例：ガウス分布）を仮定せず、また偏差がソース特性に依存しないことも仮定しない。
• 入力: この手法は、個々のイベント解析から得られたGRに対するベイズ因子の集合のみを必要とするため、LIGO-Virgo-KAGRA（LVK）コラボレーションによる既存の公開結果に適用可能である。

主要な貢献と検証

1. 枠組みの統一: 著者らは、既存の結合および階層的枠組みが、この一般的な混合モデルの制限されたバージョンであることを示している。
2. 合成検証: 玩具モデル（toy models）と模擬カタログを用いた検証により、著者らは以下のことを示した：
   • 混合モデルは、個々のイベントが決定的な証拠を与えない場合でも（集団全体で小さな偏差を蓄積することで）、GRの破れを検出できる。
   • 本枠組みは系統誤差に対して頑健である。系統誤差によって少数の顕著なイベントが表面上のGR逸脱を示した場合、混合モデルは、より一致したイベントが追加されるにつれて、その偽の証拠を自然に希釈する。一方で、標準的な手法はアウトライヤーに惑わされる可能性がある。
   • 偏差がすべてのイベントにおいて真に一貫している場合（現在の枠組みの仮定を満たす場合）、混合モデルは偏差を効果的に回収できるが、共有された平均の制約を強めることにより、階層的モデルの方が高い（潜在的には無限の）ベイズ因子を得る可能性がある。

結果：GWTC-4.0への適用
著者らは、O1–O4a観測ランをカバーするLVKコラボレーションの公開結果に対し、以下の3つの具体的なテストタイプを用いてこの枠組みを適用した：

1. Flexible Theory Independent (FTI): インスパイラル・フェーズにおける偏差の探索。
2. pSEOBNR: ポスト・インスパイラル信号のGR予測との整合性のテスト。
3. KerrPostMerger (TEOBPM): ポスト・マージャー・リングダウン・スペクトルにおける偏差の探索。

知見:

• GRとの一致: 3つのテストすべてにおいて、$\zeta$の事後分布は1の近傍にピークを持ち、データはすべてのイベントがGRに従うことと一致していることを示した。
• ベイズ因子: GRを支持するカタログレベルのベイズ因子（$B_{\zeta=1}^{\zeta \neq 1}$）は以下の通りであった：
  • FTI: $\simeq 20$
  • pSEOBNR: $\simeq 10$
  • TEOBPM: $\simeq 15$
• LVK解析との比較: これらの値は、既存のLVK解析（結合および階層的枠組みを使用）から推論された値よりも著しく小さい（既存の解析では、「決定的」な証拠を示す$10^2$から$10^4$の範囲のベイズ因子が報告されることが多い）。
• 解釈: 著者らは、この低いベイズ因子はGRを見つけることに失敗したことを意味するのではなく、データが潜在的な逸脱をモデル化するために、より高い柔軟性を必要としていることを示唆していると論じている。標準的な枠組みは、偏差の母集団分布に関するより厳格な仮定を課すことで、データに一貫したイベントとアウトライヤーまたは系統誤差が混在している場合に、GRへの証拠を人工的に膨張させている。

意義と推奨事項
本論文は、現在の「全か無か」のアプローチが、GRからの不均一な逸脱の証拠を系統的に過小評価したり、系統誤差が存在する場合にGRへの証拠を過大評価したりする可能性があると結論付けている。混合モデルは、偏差の性質に関する制限的な仮定を課すことなく、有限の割合のイベントがGRから逸脱する可能性を許容するための、必要な柔軟性を提供する。

著者らは、グラビトンの質量推定のような特定の物理的動機（より制限的なモデルを課すべき理由）がない限り、成長し続ける重力波カタログを用いたGRテストの標準的な慣行として、柔軟な混合モデルを採用することを推奨している。彼らは、この柔軟性がコストなしで実現できることを強調している。もし偏差が真に集団全体で一様であれば、混合モデルも依然としてそれを検出できるが、基礎となる物理がより複雑または不均一である場合に、バイアスのリスクを回避することができる。