Prompt cusps in hierarchical dark matter halos: Implications for annihilation boost

기술 요약: 계층적 암흑 물질 헤일로 내의 프롬프트 커스프(Prompt cusps): 소멸 부스트에 미치는 영향

문제 제식
표준 차가운 암흑 물질(CDM) 패러다임은 작은 결합된 천체들이 먼저 붕괴한 후 더 큰 헤일로로 병합되는 계층적 구조 형성을 예측한다. 수치 시뮬레이션은 암흑 물질 헤일로가 일반적으로 나바로-프렌크-화이트(NFW) 밀도 프로파일($\rho \propto r^{-1}$인 내부 영역)을 따른다는 것을 오랫동안 입증해 왔으나, 최근의 고해상도 시뮬레이션은 초기 형성 헤일로(원시 마이크로헤일로)가 급격하고 거의 자기 유사적인(self-similar) 붕괴를 겪는다는 것을 보여준다. 이 과정은 훨씬 더 가파른 내부 밀도 프로파일($\rho \propto r^{-1.5}$)을 가진 "프롬프트 커스프(prompt cusps)"를 생성한다. 암흑 물질의 소멸율은 밀도의 제곱($\rho^2$)에 비례하기 때문에, 이러한 가파른 프로파일은 감마선 밝기를 상당히 높일 수 있다.

그러나 이러한 강화에 대한 기존 분석은 커스프의 특성과 생존 통계가 모든 우주 환경에서 동일하다고 가정하는 "보편적 평균(universal-average)" 접근 방식에 의존한다. 이러한 방법론은 호스트 헤일로의 질량, 적색편이, 병합 이력, 그리고 서브헤일로의 복잡한 계층 구조 및 내부 진화에 따른 소멸 강화의 의존성을 포착하지 못한다. 또한, 이전의 추정치들은 커스프의 풍부도를 고정된 보편적 양으로 취급하여, 호스트 헤일로의 조립 이력과 관련된 환경적 조건화 및 조석 파괴(tidal disruption) 효과를 간과할 가능성이 있다.

방법론
이러한 한계를 해결하기 위해, 저자들은 확장된 프레스-셰커(EPS) 형식론과 조석 진화 모델을 기반으로 서브헤일로의 가중 목록을 구축하는 프레임워크인 SASHIMI(Semi-Analytical SubHalo Inference ModelIng)에 프롬프트 커스프 물리학을 직접 통합하였다. 주요 방법론적 단계는 다음과 같다:

1. 프롬프트 커스프 특성 규명: 저자들은 타원율(ellipticity)과 편평도(prolateness)가 특정 조건을 만족할 경우 원시 밀도 피크가 커스프를 형성한다는 이론적 틀을 채택한다. 이들은 피크 통계(높이 $\nu$, 곡률 $x$)와 원시 위상 공간 밀도 한계를 바탕으로 커스프의 특성(진폭 $A$, 코어 반경 $r_{\text{core}}$, 외부 반경 $r_{\text{cusp}}$)을 정의한다.
2. 계층적 임베딩: 보편적 평균을 적용하는 대신, 저자들은 SASHIMI 병합 트리 내에서 생성된 모든 1세대 마이크로헤일로 안에 하나의 프롬프트 커스프를 삽립한다. 이들은 서브-서브헤일로 및 고차 프로제니터(progenitor)를 포함한 전체 계층 구조를 통해 이 커스프들의 생존을 추적한다.
3. 조석 박리 및 생존: 모델은 계층적 서브구조의 조석 진화를 명시적으로 다룬다. 즉각적인 부모 헤일로의 절단 반경 외부에 위치한 서브헤일로(및 그와 관련된 커스프)는 "박리된(stripped)" 것으로 분류된다. 저자들은 생존을 모델링하기 위해 두 가지 핵심 파라미터를 도입한다:
   • $f_{\text{cusp}}$: 효과적인 소멸 신호에 기여하는 커스프를 보유한 붕괴된 헤일로의 비율 (기준값 $f_{\text{cusp}} = 1$).
   • $f_{\text{surv, stripped}}$: 박리된 서브헤일로와 관련된 커스프 중 독립적으로 식별되어 소멸 신호에 기여할 수 있는 비율 (기준값 $f_{\text{surv, stripped}} = 1$).
4. 부스트 인자 계산: 총 소멸 광도는 매끄러운 호스트 헤일로, 계층적 서브헤일로 집단(최대 $n=4$ 단계의 서브구조까지), 그리고 프롬프트 커스프 집단의 합으로 계산된다. 소멸 부스트 인자 $B$는 매끄러운 호스트 헤일로의 광도에 대한 서브구조/커스프의 총 광도 비로 정의된다.

주요 결과

• 계층 구조의 수렴: 저자들은 서브구조 계층 구조가 빠르게 수렴한다는 것을 발견했다. $n=3$ 또는 $n=4$ 단계(서브-서브헤일로 이상)까지의 서브구조 단계를 포함하는 것이 부스트 인자에 대한 안정적인 예측을 얻기에 충분하며, 그 이상의 깊이에서는 이득이 감소한다.
• 소멸 부스트의 강화: $z=0$에서 밀키웨이 크기의 호스트 헤일로($M \sim 10^{12} M_\odot$)에 대해, 프롬프트 커스프를 포함하면 기준 가정($f_{\text{cusp}} = 1, f_{\text{surv, stripped}} = 1$) 하에서 총 소멸 부스트가 $B \sim 50$까지 상승한다. 이는 서브헤일로만을 고려했을 때의 기준치인 $B_{\text{sh}} \sim \text{수 단위(few)}$와 비교하여 상당한 증가이다.
• 질량 및 적색편이 의존성: 광범위한 호스트 질량과 적색편이에 걸쳐, 프롬프트 커스프는 부스트 인자 $B(M_{\text{host}}, z)$의 정규화(normalization)를 높이지만, 기준이 되는 서브헤일로 전용 예측의 질량 및 적색편이 경향성은 대체로 유지한다.
• 보편적 평균 추정치와의 비교: 저자들의 기준 부스트($B \sim 50$)는 보편적 평균 접근법을 사용하여 Delos와 White [27]가 예측한 $\sim 200$보다 약 4배 낮다. 이러한 불일치는 주로 SASHIMI의 계층적 프레임워크에서 관찰되는 생존하는 커스프의 추정된 풍부도가 더 낮기 때문($N_{\text{cusp}} \sim 10^{16}$ vs. 보편적 추정치의 $2 \times 10^{16}$)인 것으로 기인한다. 저자들은 이러한 차이가 SASHIMI에서 사용된 EPS 기반 병합 트리가 보편적 피크 통계 매핑에 비해 마이크로헤일로 영역으로 다르게 외삽되었기 때문이며, 또한 보이드(voids)와 클러스터 사이의 안티-바이어스(anti-bias)와 같은 환경적 조건화가 보편적 평균에는 포착되지 않기 때문이라고 설명한다.

의의 및 주장
본 논문은 호스트의 병합 이력을 통해 프롬프트 커스프를 일관되게 추적하는, 최초의 완전한 계층적이고 환경 의존적인 암흑 물질 소멸 부스트 계산을 제공한다고 주장한다. "보편적 평균" 가정을 넘어섬으로써, 본 연구는 피크 기반의 커스프 형성 통계와 병합 트리 진화를 통합하는 것의 중요성을 강조한다.

저자들은 자신들의 결과가 호스트의 구체적인 조립 이력에 물리적으로 근거하고 있으며, 보편적 평균 예측보다 더 자기 일관적인(self-consistent) 프레임워크를 제공한다고 강조한다. 저자들은 부스트의 절대적 정규화가 컷오프 스케일과 헤일로 질량 사이의 매핑(파라미터 $\alpha$로 매개됨)에 의존한다는 점을 인정하며, 이 파라미터의 변화가 예측된 커스프 풍부도를 크게 변화시킬 수 있음을 언급한다. 결과적으로, 본 논문은 자신의 구현을 유연한 플랫폼으로 자리매김하며, 커스프 수와 생존 확률의 잔여 불확실성을 해결하기 위해 초고해상도 시뮬레이션을 이용한 전용 캘리브레이션을 수행할 것을 향후 과제로 제안한다. 저자들은 보편적 평균 예측과의 긴장을 결정적으로 해결했다고 주장하는 것이 아니라, 계층적 처리가 여전히 유의미하지만 체계적으로 더 낮은 강화를 산출함을 보여주는 데 목적을 두고 있다.