An Investigation of Systematic Effects from Background Priors on PSR J0740$+$6620 Radius Estimates using Synthetic NICER and XMM-Newton Data

기술 요약: 합성 NICER 및 XMM-Newton 데이터를 이용한 PSR J0740+6620 반경 추정치에 대한 배경 사전 확률(Background Priors)의 계통적 효과 조사

문제 정의
중성자별의 반경을 정확하게 측정하는 것은 초핵밀도에서의 차가운 고밀도 물질의 상태 방정식(EOS)을 제약하는 데 매우 중요하다. NICER(Neutron Star Interior Composition Explorer)의 합성 X선 펄스 파형 데이터 분석은 열적 방출 패턴(예: 스팟 형상 및 온도 분포)과 관련된 계통 오차에 대해 강건함을 입증해 왔으나, 변조되지 않은 배경 성분의 오파라미터화(misparameterization)라는 잠재적으로 중요하지만 아직 탐구되지 않은 계통 오차의 원인이 존재한다.

고질량 펄서인 PSR J0ຈ40+6620($M \approx 2.1 M_\odot$)의 경우, 관측된 계수율(count rate)은 표면 핫스팟 이외의 다른 원인들, 즉 확산된 X선 배경 및 기기 노이즈에 의해 지배된다. 이 변조되지 않은 배경 플럭스를 정확하게 추정하는 것은 필수적인데, 왜냐하면 배경 플럭스를 과대 추정하면 핫스팟으로부터의 플럭스 기여도가 낮아지기 때문이다. NICER 데이터에서 변조 진폭은 고정되어 있으므로, 핫스팟 플럭스가 낮아지면 관측된 변조 분율을 유지하기 위해 더 큰 항성 반경이 요구된다. 결과적으로, 가정된 배경 모델에 대한 오류는 특히 NICER와 XMM-Newton 데이터를 공동으로 분석할 때 반경 추정에 편향(bias)을 일으킬 수 있다.

방법론
이러한 효과를 조사하기 위해, 저자들은 NICER와 XMM-Newton의 관측을 시뮬레이션하는 두 가지 세트의 PSR J0740+6620 합성 데이터를 생성하였다:

1. 데이터셋 1 (표준): 장기 미션 평균 관측과 일치하는 "빈 하늘(blank-sky)" 배경만을 포함하는 합성 XMM-Newton 데이터.
2. 데이터셋 2 (상승된 배경): 추가적인 변조되지 않은 플럭스(예: 우주선 또는 인근의 밝은 천체)가 존재하는 시나리오를 시뮬레이션하기 위해, 배경을 빈 하늘 수준보다 약 5배 인위적으로 높인 합성 XMM-Newton 데이터.

두 데이터셋 모두 비자성 수소 대기 상의 두 개의 균일한 온도를 가진 원형 핫스팟을 가정하여, Miller 등(2021)의 최적 적합 펄스 파형 모델 파라미터를 활용하였다.

저자들은 다음 두 가지 구별된 펄스 파형 모델을 사용하여 이 합성 데이터셋들을 분석하였다:

• 표준 모델 (Standard Model): XMM-Newton 배경이 엄격하게 빈 하늘 성분이라고 가정하며, 이는 포아송 제약(Poisson-constrained) 사전 확률로 취급된다.
• 확장 모델 (Extended Model): XMM-Newton 데이터에서 관측된 총 계수율의 평활화된 버전에 의해 경계가 정해지는 추가적인 변조되지 않은 배경 성분을 허용한다.

분석에는 초기 파라미터 공간 탐색을 위한 중첩 샘플링(nested sampling) 알고리즘인 MultiNest를 사용한 후, 견고한 수렴과 정확한 사후 확률 추정을 보장하기 위해 병렬 템퍼링 MCMC(ptemcee)를 사용하는 하이브리드 샘플링 접근법이 채택되었다. 모델 성능은 적합도에 대한 $\chi^2$ 통계량과 모델 비교를 위한 베이지안 증거($\log Z$)를 통해 평가되었다.

주요 결과
본 연구는 두 데이터셋과 두 분석 모델을 결합한 네 가지 특정 사례를 조사하였다:

1. 사례 1: 상승된 배경 데이터와 확장 모델(올바른 모델)의 결합.
2. 사례 2: 상승된 배경 데이터와 표준 모델(잘못된 모델)의 결합.
3. 사례 3: 표준 배경 데이터와 확장 모델(과잉 파라미터화된 모델)의 결합.
4. 사례 4: 표준 배경 데이터와 표준 모델(올바른 모델)의 결합.

주요 결과는 다음과 같다:

• 반경 추정의 강건성: 분석 모델이 실제 배경보다 현저히 낮은 배경을 가정했을 때에도(사례 2, 모델이 배경을 5배 이상 과소평가한 경우), 추정된 반경 사후 확률의 이동은 실제 값으로부터 약 $1\sigma$에 불과했다. 실제 반경은 사후 확률 분포의 신뢰 영역 내에 머물렀다.
• 베이지안 증거 식별: 모든 사례에서 베이지안 증거는 합성 데이터의 배경 조건을 올바르게 설명하는 모델을 선호하였다. 구체적으로, 올바른 배경 모델에 대한 증거가 잘못된 모델보다 컸으며, 이는 반경 사후 확률이 강하게 편향되지 않더라도 베이지안 증거가 배경 모델 간의 구별을 효과적으로 수행할 수 있음을 입증한다.
• 수렴 및 불확실성: 본 연구는 MultiNest 단독 분석이 파라미터 불확실성을 과소평가(부당하게 좁은 신뢰 구간 생성)할 수 있음을 강조하였다. 하이브리드 Multiest+ptemcee 접근법은 더 넓고 신뢰할 수 있는 신뢰 영역을 생성하였으며, 실제 주입된 값들이 대부분의 사례에서 $1\sigma$ 신뢰 영역 내에 위치하였다.

의의 및 주장
본 논문은 NICER와 유사한 데이터 분석 시, 통계적 샘플링이 철저하고 모델이 데이터를 잘 적합시킨다면, 가정된 배경 사전 확률에 상당한 계통 오차가 존재하더라도 정확한 중성자별 반경 측정이 가능하다는 결론을 내린다. 이러한 결과는 반경 추론이 테스트된 특정 유형의 배경 오파라미터화에 대해 강건하다는 것을 시사한다. 또한, 본 연구는 적절한 배경 모델을 선택하는 데 있어 베이지안 증거의 유용성을 검증하였으며, PSR J0740+6620과 같은 고질량 중성자별의 특성을 결정하기 위한 NICER 및 XMM-Newton 데이터의 공동 분석에 대한 신뢰를 강화한다.