How Loud Must a Neutron-Star Merger Be to Reveal Its Equation of State?

技術要約：中性子星合体は、その状態方程式を明らかにするためにどの程度の大きさ（SNR）である必要があるか？

問題提起
連星インスパイラル中の中性子星（NS）の潮汐変形は、高密度物質の状態方程式（EOS）を重力波（GW）の位相に刻み込み、それは主に質量加重潮汐変形能 $\tilde{\Lambda}$ によって符号化される。第3世代（3G）検出器であるアインシュタイン・テレスコープ（ET）やコズミック・エクスプローラー（CE）は、$\tilde{\Lambda}$ の測定精度を桁違いに向上させることが期待されているが、観測計画における重要なギャップが残っている。すなわち、特定の候補となる2つのEOSモデルが与えられた場合、単一の連星中性子星（BNS）合体観測によって一方を決定的に識別するために必要な信号対雑音比（SNR）はいくらなのか、という点である。従来の研究は $\tilde{\Lambda}$ 測定の精度やベイズ統計手法の最適化に焦点を当ててきたが、名前の付いたEOS候補間の離散的なモデル選択のための具体的なSNR閾値については、これまでほとんど定量化されてこなかった。

手法
著者は、BlackJAXによって加速されたアニーリング・ウォーカー・サンプラーを備えた jimgw ネステッド・サンプリング・パッケージを用いて、完全なベイズパラメータ推定を行う。本研究では、1基のETと2基のCEからなるネットワークによって観測されるBNS信号をシミュレートしている（ET+2CE）。

• 波形とモデル: 解析には IMRPhenomD NRTidalv2 波形を使用する。2つの主要なEOSモデルは、ハイブリッド・トルマン・オッペンハイマー・ヴォルコフ（TOV）積分を介して構築されており、硬い「DD2$\epsilon$h」モデルと柔らかい「SFHo」モデルが含まれる。これらは $\tilde{\Lambda}$ において大幅に異なる。また、潮汐コントラストの減少をテストするために、近似的に退化している「DD2$\epsilon$l」バリアントも使用される。
• シミュレーション設定: 精密な制御を行うため、ゼロ・デテクタ・ノイズを採用し、正確な関係式 $\log \mathcal{L}(\theta_{\text{true}}) = \frac{1}{2}\text{SNR}^2_{\text{opt}}$ を強制することで、光度距離（$d_L$）をスケーリングすることにより注入されたSNRを精密に制御する。空の天球位置と傾斜角は、GW170817の情報に基づき固定し、「大きさ（loudness/SNR）」の影響を分離する。
• 指標: 主要な統計量は、正しい注入されたEOSテンプレートを用いたリカバリー・ランと、誤ったEOSテンプレートを用いたリカバリー・ランとの間のベイズ証拠差 $\Delta \log Z = \log Z_{\text{correct}} - \log Z_{\text{wrong}}$ である。
• 構成: 以下の4つの構成を分析する。
  1. 曲線1: DD2$\epsilon$h（真） vs. SFHo（誤）であり、$\approx 51\%$ の $\tilde{\Lambda}$ コントラストを持つ。
  2. 曲線2: DD2$\epsilon$h（真） vs. DD2$\epsilon$l（誤）であり、$\approx 28\%$ のコントラストを持つ。
  3. 曲線3: EOSの役割の対称性をテストするための SFHo（真） vs. DD2$\epsilon$h（誤）。
  4. 曲線4: 異なる連星質量点における DD2$\epsilon$h（真） vs. SFHo（誤）によるアウト・オブ・サンプル・テスト。

主な貢献と結果

1. スケーリング則の発見: 本研究は、証拠差 $\Delta \log Z$ がネットワークSNRに対して、ほぼ二次的なべき乗則に従うことを確立した：
   $$\Delta \log Z = A \cdot \text{SNR}^n$$
   すべての構成において、指数 $n$ は $1.74–1.95$ となり、Laplace/Occam係数展開から予想される漸近値 $n=2$ に向かっている。前係数 $A$ は、潮汐変形能のコントラスト（$\Delta \tilde{\Lambda}$）および連星の特性に依存するが、スケーリングの形式自体は頑健である。

2. 解析的予測フレームワーク: 著者は、解析的な関係式 $\Delta \log Z \approx C (\Delta \tilde{\Lambda} \cdot \text{SNR})^2$ を導出した。ここで $C$ は連星質量、スピン、および検出器構成によって決定される係数である。3つの構成（曲線1–3）で $C$ を校正することにより、著者による解析が実行される前に、4番目の構成（曲線4）における決定的な証拠のためのSNR閾値を予測することに成功した。

   • 予測精度: 予測された決定的な閾値は SNR $\approx 50.8$ であった。実測された経験的測定値は SNR $= 50.7$ であり、差異はわずか $0.3\%$ であった。これは、未測定の構成に対しても、事後的なフィッティングを網羅的に行うことなく、SNR閾値を解析的に予測できることを示している。

3. 識別閾値: フィデューシャルな構成（曲線1）について、モデル選択におけるジェフリーズの尺度を横切るために必要なSNRを特定した：

   • 実質的な証拠（Substantial evidence）: SNR $\approx 22.9$
   • 強い証拠（Strong evidence）: SNR $\approx 38.0$
   • 決定的な証拠（Decisive evidence）: SNR $\approx 55.9$
     潮汐コントラストが減少すると（曲線2）、これらの閾値はより高いSNRへとシフトする（例：決定的な証拠は SNR $\approx 88.6$）。また、真のEOSと誤ったEOSの役割を入れ替えても（曲線3）、同様の閾値が維持され、この関係が特定のモデル選択のアーティファクトではないことが確認された。

4. 頑健性と限界:

   • 質量比の補償: 極端なSNRにおいて、「誤った」EOSのリカバリー側が、波形のミスマッチを補償するために事前分布の境界（例：質量比 $q \to 1$）へとドリフトし、$\Delta \log Z$ を膨張させる可能性があることを指摘している。
   • 転移性: 異なるEOSペア（Skyrme関数 SLy4を含む）および質量点を用いたスポットチェック・キャンペーンでは、校正されたスケーリングが5例中4例で約15%以内の誤差で保持されていることが示された。例外が発生したのは、パラメータの補償が異常に効率的であった場合であり、これは単純なスケーリング推定が、誤ったEOSのリカバリーが真の信号を効果的に模倣できてしまう場合に失敗する可能性があることを示唆している。
   • ノイズと空の天球位置: ゼロノイズおよび固定天球位置の仮定を緩和した頑健性チェックを行った結果、$\Delta \log Z$ のシフトは単一実現のノイズゆらぎと一致しており、メイングリッドで使用された簡略化の妥当性が検証された。

意義
本論文は、3G重力波検出器ネットワークにおけるEOS識別の到達範囲を評価するための定量的なフレームワークを提供する。その主な意義は、計算コストの高いフル・ネステッド・サンプリング・キャンペーンを、要求されるSNRの閉じた形式の推定へと変換できる点にある。これにより、EOS解析のためのBNSイベントの優先順位付けが可能となり、ETおよびCEの観測計画のための設計ベンチマークとして機能する。本研究は、連続的なEOS推論ではなく、既存のLVK解析と同様に、有限の候補集合間の離散的なモデル選択として結果を明示的に定義している。ただし、スケーリングの「形式」（二次的）は一般的であるが、係数 $C$ は特定のEOSペアや質量領域に応じて再校正が必要であることも明らかにしている。