Neural-Accelerated Bayesian Calibration of Chiral Mean-Field Models to Nuclear Saturation and Vacuum Properties

技術要約：カイラル平均場モデルのニューラル加速ベイズ校正

問題提起
カイラル平均場（CMF）モデルは、量子色力学（QCD）の対称性を尊重した高密度核物質の現象論的な記述を提供する。しかし、これらのモデルのラグランジアン・パラメータを校正することは、計算上も理論上も困難である。各相互作用チャネルを独立して調整できる単純な相対論的平均場（RMF）モデルとは異なり、CMFモデルの基礎となる $SU(3)_L \times SU(3)_R$ フレーバー構造は、すべての相互作用を相関させている。その結果、単一のラグランジアン・パラメータを変更すると、複数の物理チャネルが同時に変化する。さらに、高密度物質の状態方程式（EoS）を評価するには、結合された平均場運動方程式を解く必要があり、このプロセスは計算コストが高い。核飽和特性および真空の制約条件と一致する領域を見出すために、高次元のパラメータ空間を直接確率的に探索しようとすると、数百万回の尤度評価が必要となり、数年のCPU時間を要する可能性がある。加えて、多くのパラメータ選択は、許容可能な飽和特性やハドロン質量を再現できず、実行可能なパラメータ空間の領域は疎であり、特定が困難である。

手法
これらの課題に対処するため、著者らは完全にモジュール化された、ニューラル加速型ベイズ推論フレームワークを開発した。このアプローチは、オープンソースのMUSES計算エンジン、bilby 推論ライブラリ、および PyTorch 機械学習ツールキットを統合している。

1. 階層的ベイズ推論： 推論は、観測量の異なる依存関係を扱うために階層的に構成されている。
   • 真空セクター： バリオン質量を制御するモデルパラメータ（$\theta_{vac}$）は、アイソスピン平均化されたバリオン質量（$N, \Lambda, \Sigma, \Xi$）を用いて最初に制約される。これらの質量は、スカラーセクターの結合に解析的に依存する。
   • イン・メディウム（媒質中）セクター： 核物質の飽和特性（$n_{sat}, E_B, K_0, J, L$）は、真空パラメータとイン・メディウムのベクトル結合（$\theta_{med}$）の両方に依存する。真空ステップからの事後分布は、イン・メディウム推論の事前分布として機能する。
2. ニューラルネットワーク・エミュレータ： モデルパラメータから飽和観測量へのマッピングを加速するために、著者らはフィードフォワードニューラルネットワーク・エミュレータを実装した。このネットワークは、関数 $F_{sat}: \{\theta_j\} \to (n_{sat}, E_B, K_0, J, L)$ を近似する。
   • 反復学習スキーム： 広範な事前分布には主に非物理的なパラメータセットが含まれていることを認識し、著者らは反復戦略を採用している。まず初期サンプルでエミュレータを訓練し、その後ベイズサンプラーを実行し、得られた事後分布を用いて、実行可能な領域の「近傍」に新たな訓練点を生成する。このプロセスを繰り返すことで、最も重要な領域におけるエミュレータの精度を高める。
   • クランプ（固定）： 非物理的な飽和値を持つ外れ値が訓練損失を支配するのを防ぐため、著者らは「クランプ」を適用し、定義された物理的範囲から大きく外れた値を、訓練目的のために境界限界値に設定する。
3. モデルの拡張： 本研究では、新しい一般化された四次ベクトル自己相互作用セクターを持つCMFモデルにこのフレームワークを適用している。このセクターには、従来の文献で使用されている特定の限定的なケースを仮定するのではなく、カイラル不変なトレース構造から導出された4つの独立した結合定数（$g_{04}^4, g_{13}^4, g_{22}^4, g_{220}^4$）が含まれる。

主な貢献

• フレームワークの開発： カイラル有効理論における高次元かつ相関のあるパラメータ空間を探索可能な、スケーラブルでニューラル加速されたベイズ推論フレームワークの構築。
• 一般化された相互作用セクター： 制限されたパラメータ化を超え、カイラル対称性によって許容される完全な四次ベクトル自己相互作用基底の実装。
• 反復的エミュレーション戦略： 事後分布に基づいて訓練データを動的に拡張する新しい反復スキーム。これにより、実行可能な領域に関する事前知識を必要とせずに、パラメータ空間の関連領域においてエミュレータの精度を確保する。
• モジュール統合： CMF++ 計算エンジンと現代的な機械学習およびベイズ推論ツールの統合の成功。

結果

• 真空制約： 真空バリオン質量は、スカラーセクターのパラメータ（$g_1^S, g_8^S, \alpha_S$）を厳密に制約する。$g_1^S$ は約0.5%の相対精度で制約される一方、$\alpha_S$ と $g_8^S$ は相関により中間的な制約を示す。裸質量項 $m_0$ は、$g_1^S$ との縮退のため、主要な分析ではゼロに固定された。
• イン・メディウム制約： ベクトル結合の実行可能な解は稀である（一様サンプリングされた構成のうち、飽和制約を満たすものは1%未満である）が、9次元のパラメータ空間内の特定の領域内に広く分布している。
  • 縮退： データは個々のラグランジアン・パラメータではなく、主に結合の「組み合わせ」を制約する。個々のベクトル自己結合の事後分布は依然として広く、これは異なるパラメータの組み合わせが同じ飽和特性を生み出し得ることを示している。
  • 事前分布への依存性： 事後分布の構造は事前分布の選択に大きく影響を受ける。尤度は情報量が多いものの、問題が高次元であるため、周辺化された1次元および2次元の投影は誤解を招く可能性がある。著者らは、事後分布に大規模なトポロジカル構造（例：「島」や「ループ」）の証拠は見出せなかったと述べており、これは複雑ではあるが連続的な構造を示唆している。
• 天体物理学的影響： 核子のEoSを中性子星（NS）の条件に外挿する場合：
  • 幅広いパラメータ空間により、純粋な核物質であっても最大質量が $2.3 M_\odot$ に達するまで、多種多様なNS特性が可能となる。
  • マクロな観測量（例：最大質量 vs $1.4 M_\odot$ 星の半径）の間の相関は、パラメータ空間がより徹底的に探索されるにつれて弱まる。
  • 高い尤度を持つ解のいくつかは、低密度でのEoSの軟化に関連する現象である、質量－半径曲線における「折り返し（bending back）」を示す。
  • 一部の解は高密度で因果律を逸脱するが、著者らはこれは、核子の切り捨てが根本的な失敗ではなく、ハイペロンやクォークが因果律を回復させる可能性を示唆していると指摘している。

意義と主張
本論文は、ニューラル加速フレームワークが、計算コストやパラメータの相関のために探索が困難であったCMFパラメータ空間内の実行可能な領域を正常に特定したと主張している。著者らは、モデルへの制約は個々のパラメータではなく、カイラル対称性の構造によって規定される相関した組み合わせにかかっていることを強調している。

本研究は以下の点を強調している：

1. 実行可能なモデルは希薄だが多様である： ほとんどのパラメータセットは飽和データによって排除されるが、残りの実行可能なセットは広く分布しており、高密度物質および中性子星の定性的に異なる記述をもたらす。
2. 地上実験と天体物理学のシナジー： 縮退が見つかったことは、地上での核データだけではEoSを一意に決定できないことを意味しており、これらの縮退を解くためには天体観測と組み合わせることが必要である。
3. 解釈における注意： 著者らは、高次元で相関のあるモデルにおいて、周辺化されたコーナープロットは誤解を招く可能性があると警告している。物理的に有用な出力は、周辺分布ではなく、相関を伴う事後分布のサンプル集合である。
4. モデルの柔軟性： 本フレームワークは、一般化されたベクトルセクターを持つCMFモデルが、クォーク相への転移を必要とせずに非常に重い中性子星を支え得ることを示しており、そのような質量にはエキゾチックな相が必要であるという従来の仮定に疑問を投げかけている。

結論として、本フレームワークは、ハイペロン、クォーク、および多様な観測制約（重イオン衝突、重力波）を取り入れることで、高密度核物質の理解をさらに深めることができる、将来の研究のための堅牢なツールである。