Web-Halo Model Peak-Background Split (WHM-PBS): halo bias as a distribution, not a number

技術要約：Web–Halo モデル・ピーク–背景分割法 (WHM-PBS)

問題提起
標準的なハロー・バイアス（halo bias）の解析モデルは、通常、バイアス・パラメータ（$b_1, b_2, b_{s2}, \dots$）をハロー質量 $M_h$ の決定論的な関数 $b(M_h)$ として扱います。しかし、N体シミュレーションによれば、質量が一定であっても、ハローは形成時期や集中度、環境といった二次的な性質に基づいて異なる集団化（clustering）を示す「アセンブリ・バイアス（assembly bias）」を呈することが明らかになっています。その結果、ハローのバイアスは単一の数値ではなく、顕著な固有の散らつきを持つ分布の平均値となります。現在の大規模構造の有効場理論（EFT）解析では、これらのバイアス係数を広範な事前分布を持つ自由な摂動パラメータとして扱うことが多く、これが投影効果を引き起こして宇宙論的推論にバイアスを与えるか、あるいは不正確な値に固定してしまう可能性があります。したがって、平均的なバイアス関係だけでなく、それらの分布（散らつき）とその確率論的な帰結を第一原理から予測できる解析的枠組みが求められています。

手法
著者らは、エクスカーション・セット（excursion-set）形式を拡張した解析理論である**Web–Halo モデル・ピーク–背景分割法（WHM-PBS）**を開発しました。コアとなる手法は以下の通りです：

1. 宇宙網（Cosmic-Web）エクスカーション・セット： 本モデルは、階層的な物質の崩壊を記述するために移動障壁（moving-barrier）形式（Shen et al.）を利用します。単一の定数障壁（球状崩壊）を用いる代わりに、シート（sheet）、フィラメント（filament）、およびハローに対応する形態依存の移動障壁を採用しています。平滑化された密度場のランダムウォークが、まずシートの障壁を、次にフィラメントの障壁を、そして最後にハローの障壁を通過するという、入れ子状の階層構造（ハローはフィラメントの中にあり、フィラメントはシートの中にある）を確立します。
2. 条件付き質量関数： 著者らは、切断されたテイラー展開近似ではなく、厳密な Zhang–Hui (ZH) 積分方程式を用いて、条件付き質量関数 $P(M_{host}|M_h)$ を計算します。これにより、特定の質量 $M_h$ を持つハローのホスト環境（フィラメントまたはシートの質量）の確率分布を定量化します。
3. 環境平均バイアス： 理論的な中心となる革新は、ハロー・バイアスを「環境平均された応答」として定義することです。ハローのバイアスは、条件付き質量関数によって平均されたホスト環境のバイアスとなります：
   $$b(M_h) = \langle b(M_{host}) \rangle_{M_{host}|M_h}$$
   $M_h$ が固定されたとき、$M_{host}$ は確率変数となるため、結果としてのバイアスは数値ではなく分布となります。
4. バイアスと確率論的性質（Stochasticity）の導出：
   • 密度バイアス ($b_1, b_2, b_3$)： 長波長の密度背景に対する存在量の応答として導出されます。モデルは、これらの方程式が $b_1$ を用いて表現されるとき、「タイト（tight）」かつ普遍的であることを示しており、散らつきはホスト曲線に沿ったサンプルの集計からのみ生じます。
   • 潮汐バイアス ($b_{s2}$)： 長波長の潮汐剪断に対する応答として導出されます。密度バイアスとは異なり、潮汐応答は特定のハローとホストのペアに依存するため（障壁の傾きに起因）、$b_1$ に対して「壊れた（broken）」関係を示し、真の散らつきが生じます。
   • 確率論的性質（Stochasticity）： バイアス分布の散らつきはランダム場として解釈され、ハロー・パワースペクトルの超ポアソン（super-Poisson）な「集団化」寄与をもたらします。これは、完全な確率論的行列（stochasticity matrix）をモデル化するために、サブポアソン（sub-Poisson）な「排除（exclusion）」項と組み合わされます。
   • アセンブリ・バイアス： ホスト環境とハローの内部構造（例：集中度）の相関は、集団混合（population mixing）としてモデル化されます。本モデルは、特性質量 $m^*$ 付近でのバイアスと集中度の相関の符号反転を予測します。

主な貢献と結果

• 分布としてのバイアス： 本論文は、ハロー・バイアスが本質的に歪んだ分布であることを示しています。この分布の平均は標準的な大規模バイアスの予測を再現しますが（障壁の選択により Tinker et al. の較正に対して $\sim18\%$ の振幅オフセットがあることは既知）、その幅（$\sigma \approx 0.6-1.0$）は環境の物理的な散らつきを表しています。
• 普遍的な関係と事前分布：
  • 密度セクター： $b_2(b_1)$ および $b_3(b_1)$ の関係はタイトで普遍的であることが判明しました。モデルは、集計規則から導出された「選択事前分布バンド（selection prior band）」を提供しており、これはN体シミュレーションによる測定値を包含します。
  • 潮汐セクター： $b_{s2}(b_1)$ の関係は本質的に広範です。モデルは、選択の不確実性とアセンブリ・バイアス項を組み合わせ、集中度/スピンの分裂に関するシミュレーション測定値（Lazeyars et al.）によって制約された事前分布バンドを較正することで、シフトを $\lambda_S \approx 0.35 \sigma_{\text{band}}$ に限定しています。
• 確率論的性質の予測： モデルは、自由パラメータなしに完全な確率論的行列（対角成分および非対角成分）を予測します。また、ホスト・バイアスの散らつきに直接起因する、超ポアソン（集団化優位）からサブポアソン（排除優位）への遷移（Baldauf et al.）をうまく再現しています。
• アセンブリ・バイアスの反転： 本モデルは、中央値のホスト質量比がターンアラウンド閾値（$M_f/M_h \approx 1.76$）を横切ることによる帰結として、$M_h \simeq 1.7 \times 10^{13} h^{-1} M_\odot$ ($b_1 \simeq 1.5$) 付近でのバイアスと集中度の相関の反転を、アセンブリ・バイアスへのチューニングなしに解析的に予測します。
• EFT推論のデモンストレーション： 合成された実空間EFT推論（DESI風）において、著者らは、摂動パラメータを広範な事前分布を持つ自由パラメータとした場合に生じる投影効果（$\Omega_m$ や $h$ といった宇宙論パラメータへのバイアス）を、WHM-PBSの事前分布を用いることで緩和できることを示しています。逆に、摂動パラメータを真値から $1\sigma$ 離れた値に固定すると重大なバイアスが生じますが、WHM-PBSの「バンド」はこのような誤差を吸収します。

意義と主張
著者らは、WHM-PBSが、ハロー・バイアスの関係、その散らつき、および関連する確率論的性質を予測する、最初の解析的かつ第一原理に基づいた理論であると主張しています。その意義は、バイアスを固定された一連の数値として扱うのではなく、宇宙網の階層構造から導かれる分布として扱うというパラダイムシフトにあります。

• 物理的事前分布： 導出された分布は、EFT解析のための物理的に動機付けられた事前分布として機能し、広範な事前分布や固定値と比較して、制約を強め、系統誤差を減少させます。
• 統一された枠組み： 本モデルは、バイアス、確率論的性質、およびアセンブリ・バイアスを、同一の根底にあるホスト環境分布の異なる現れとして統一的に扱います。
• 堅牢性： 線形バイアスの絶対振幅は過大評価されていますが（特定の障壁較正による既知の制限）、バイアス・パラメータ間の「関係」およびその「散らつき」は堅牢かつ宇宙論普遍的であり、$b_1$ が周辺化される宇宙論的制約において極めて有用です。

結論として、本論文は、バイス分布の幅がその平均と同様に物理的に予測可能であることを示しており、大規模構造サーベイを解釈するための新しいツールを提供しています。コードは結果を再現するために公開されています。