Forward-modelling Milky Way Cepheids: selection effects and physical priors in the Gaia-HST calibration

Dit artikel presenteert een volledig voorwaarts gemodelleerde Bayesiaanse analyse van Melkweg-Cepheïden die selectie-effecten en de schijfgeometrie van de Melkweg expliciet meeneemt, waardoor een robuuste kalibratie van de lokale afstandsschaal en de Hubble-constante wordt verkregen die de Hubble-spanning bevestigt.

De kern

Titel: Het Grote Kosmische Meetlint: Waarom we de afstand tot sterren opnieuw moeten meten

Stel je voor dat je een enorme kaart van het heelal wilt maken. Om dat te doen, moet je eerst weten hoe ver de dingen van je af staan. In de astronomie gebruiken ze daarvoor een "afstandsladder". De eerste sport van die ladder zijn Cepheïden: een soort sterren die als een hartklopping pulseren. Hoe lang het duurt tussen twee pulsen, vertelt hen hoe helder ze eigenlijk zijn. Als je weet hoe helder ze moeten zijn, en je ziet hoe helder ze lijken (vanaf de Aarde), kun je precies berekenen hoe ver ze weg zijn.

Deze afstandsladder is cruciaal om de Hubble-constante te meten. Dat is een getal dat vertelt hoe snel het heelal uitdijt. Maar hier zit het probleem: als we naar het jonge heelal kijken (via de kosmische achtergrondstraling), krijgen we één snelheid. Als we naar het oude heelal kijken (via deze sterren), krijgen we een andere, snellere snelheid. Dit noemen wetenschappers de "Hubble-spanning". Het is alsof twee mensen een auto meten en de één zegt: "Die rijdt 100 km/u" en de ander: "Die rijdt 120 km/u". Iemand heeft het verkeerd gemeten, of er zit een fout in de meetlat.

Het probleem: De "Vergrootglas"-fout

In dit nieuwe artikel kijken de auteurs (Richard Stiskalek en collega's) heel nauwkeurig naar de eerste sport van die ladder: de Cepheïden in ons eigen Melkwegstelsel. Ze gebruiken data van de Gaia-satelliet (die de posities van sterren meet) en de Hubble-ruimtetelescoop.

Maar hier zit een addertje onder het gras.

Stel je voor dat je een visser bent die alleen de grootste vissen in zijn net vangt. Als je later kijkt naar je vangst en zegt: "Kijk eens, alle vissen in deze rivier zijn groot!", dan heb je een fout gemaakt. Je hebt alleen de grote vissen gezien omdat je net te klein was om de kleine vissen te vangen. Dit noemen ze een selectie-effect.

Vroeger deden sommige wetenschappers alsof ze een "volledig net" hadden. Ze dachten: "We hebben sterren gezien, dus we weten hoe ze verdeeld zijn." Maar in werkelijkheid zijn de sterren die we hebben geselecteerd voor meting niet willekeurig. Ze zijn geselecteerd op basis van hoe helder ze zijn, hoe ver weg ze zijn, en of er veel stof in de weg zit.

De oplossing: Een "Virtuele Wereld" bouwen

De auteurs van dit artikel zeggen: "Laten we stoppen met gokken en beginnen met bouwen."

Ze hebben een virtuele wereld (een computermodel) gemaakt die precies nadoet hoe het Melkwegstelsel eruitziet.

1. De Geometrie: Ze weten dat de Melkweg eruitziet als een dunne schijf (een pannenkoek), niet als een bol. Ze bouwen die vorm in hun model in.
2. De Netten: Ze bouwen precies na hoe de wetenschappers in het verleden hun "netten" hebben uitgeworpen. Welke sterren hebben ze gekozen? Welke hebben ze genegeerd omdat ze te zwak waren of te veel stof in de weg hadden?
3. De Simulatie: Vervolgens laten ze hun computer miljoenen "virtuele sterren" genereren in die schijf. Dan laten ze hun "virtuele netten" eroverheen gaan.

Als hun model klopt, zou de "virtuele vangst" er precies hetzelfde uit moeten zien als de echte data die we in de telescoop hebben gezien.

Wat ontdekten ze?

Ze ontdekten dat eerdere methoden (zoals die van een groep genaamd HM26) een grote fout maakten. Die groep dacht: "Laten we aannemen dat sterren willekeurig verdeeld zijn in een grote bol." Ze negeerden de selectie-effecten (het feit dat ze alleen bepaalde sterren zagen).

Het resultaat?

• De fout: Door te doen alsof ze een volledig net hadden, maar in werkelijkheid alleen de "grote vissen" te hebben, kwamen ze tot de conclusie dat de afstandsladder anders moest worden afgesteld. Dit leek de Hubble-spanning op te lossen (de twee snelheden kwamen dichter bij elkaar).
• De realiteit: De auteurs tonen aan dat dit een illusie was. Het was alsof je een foto van een bos maakt, maar alleen de bomen ziet die boven de struiken uitsteken. Als je dan zegt "alle bomen in dit bos zijn reusachtig", is dat onjuist.

Toen de auteurs hun model corrigeerden en de "selectie-effecten" (het net) echt meerekenden, bleek dat de eerdere "oplossing" verdween. De afstandsmetingen bleken juist te zijn, en de Hubble-spanning blijft bestaan. Het heelal dijt sneller uit dan de theorieën over het jonge heelal voorspellen.

De conclusie in één zin:

Deze studie is als het controleren van je meetlint met een loep. Ze tonen aan dat als je niet goed kijkt naar hoe je je meetinstrument hebt gebruikt (welke sterren je wel of niet hebt geselecteerd), je de hele kosmos verkeerd kunt meten. De spanning tussen de verschillende metingen van de uitdijing van het heelal is dus waarschijnlijk echt, en niet het gevolg van een rekenfout.

Kortom:

• Het probleem: We weten niet precies hoe snel het heelal uitdijt.
• De oorzaak: Misschien meten we de afstanden van sterren verkeerd door te negeren welke sterren we niet hebben gezien.
• De oplossing: Een slim computermodel dat precies nadoet hoe we kijken en wat we zien.
• Het resultaat: De fout was gevonden, maar de "Hubble-spanning" is echt. Het universum is raar, en we moeten nog steeds een nieuwe theorie vinden om het te verklaren.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "Forward-modelling Milky Way Cepheids: selection effects and physical priors in the Gaia–HST calibration" in het Nederlands.

Probleemstelling

De "Hubble-spanning" (Hubble tension), de discrepantie van ongeveer 5σ tussen de lokale metingen van de Hubble-constante ($H_0$) via de afstandsladder en de metingen uit de kosmische microgolfachtergrondstraling (CMB), is een van de meest dringende problemen in de kosmologie. De scherpste lokale beperking op $H_0$ komt voort uit de combinatie van Gaia EDR3-parallaxen, Cepheïden en Type Ia-supernova's (SH0ES-project).

Een kritisch punt in deze kalibratie is de behandeling van de selectie-effecten en de aannames over de ruimtelijke verdeling van de sterren. Eerdere analyses (zoals die van Högas & Mörtsell, 2026, hier HM26) hebben gepoogd de spanning te verminderen door een uniforme prior op het volume (uniform-in-volume prior) toe te passen zonder de selectie-effecten van de steekproef expliciet te modelleren. Dit artikel betoogt dat dergelijke benaderingen leiden tot een vooringenomen (biased) inferentie omdat ze de manier waarop de waarnemingen daadwerkelijk zijn geselecteerd negeren.

Methodologie

De auteurs ontwikkelen een volledig voorwaarts gemodelleerd (forward-modelled) Bayesiaans raamwerk om de populatie van Melkweg-Cepheïden ster-voor-ster te analyseren. In tegenstelling tot eerdere methoden die in de parallaxruimte optimaliseren of starre aannames doen, simuleert dit model de observaties direct vanuit de onderliggende populatie-eigenschappen.

Kerncomponenten van het model:

1. Data: Het model gebruikt 66 Melkweg-Cepheïden uit twee HST-campagnes (Cycle 22 en Cycle 27), aangevuld met Cepheïden uit de Grote Magelhaense Wolk (LMC) en het sterrenstelsel N4258 als geometrische ankers.
2. Priors en Geometrie:
   • In plaats van een uniforme verdeling in het volume, wordt een disk-prior gebruikt die de dunne schijfstructuur van de Melkweg nabootst (exponentiële schaallengte en schaalhoogte).
   • Latente variabelen omvatten de ware afstand ($d$), de ware pulsatieperiode en de metaliciteit van elke ster.
3. Selectie-effecten (Cruciaal):
   • Het model implementeert een analytische behandeling van de detectiekans ($p(S=1)$) die rekening houdt met cuts op magnitude, parallax, periode en extinctie.
   • De selectiefunctie wordt gemodelleerd als een gladde drempel (via de cumulatieve verdelingsfunctie van de normale verdeling, $\Phi$) in plaats van een harde cut, wat de integratie over de onwaargenomen populatie mogelijk maakt.
   • Dit voorkomt dat het model sterren "ziet" die buiten de waarnemingsgrenzen zouden moeten liggen.
4. Bayesiaanse Inferentie:
   • Het model schat simultaan de parameters van de periode-luminositeit relatie ($M^W_H,1, b^W, Z^W$), de Gaia-parallax nul-punt offset ($\delta\varpi$), en de intrinsieke spreiding van de populatie.
   • Het gebruik van de No-U-Turn Sampler (NUTS) via JAX/NumPyro zorgt voor efficiënte sampling van de hoge-dimensionale posterior.

Belangrijkste Bijdragen

• Eerste volledig voorwaarts gemodelleerde Bayesiaan voor Melkweg-Cepheïden: Dit is het eerste model dat de selectiefunctie, de disk-geometrie en de intrinsieke populatie-eigenschappen consistent combineert in één Bayesiaans raamwerk.
• Analytische afleiding van detectiekansen: De auteurs leiden een analytische behandeling af die de hoge-dimensionale integratie over alle observabelen reduceert tot een hanteerbare numerieke integratie over afstand en hemelpositie.
• Kwantificering van Bias: Het artikel toont aan dat het negeren van selectie-effecten, zelfs bij gebruik van een "fysiek gemotiveerde" prior (zoals uniform-in-volume), leidt tot significante fouten in de afgeleide parameters.

Resultaten

1. Overeenkomst met SH0ES: De inferentie van de periode-luminositeit parameters en de Gaia-parallax offset ($\delta\varpi = -12.4 \pm 5.3 \mu as$) in het fiduciële model (met disk-prior en selectie-modellering) komt overeen met de waarden van SH0ES binnen $<0.5\sigma$.
2. Invloed van Selectie vs. Prior:
   • Het weglaten van de selectiemodellering (zelfs met een disk-prior) veroorzaakt een verschuiving in de nul-punt van de periode-luminositeit relatie van ongeveer 0.05 magnitude (naar helderder waarden) en een verschuiving van $\delta\varpi$ naar meer negatieve waarden.
   • Het vervangen van de disk-prior door een uniforme volume-prior zonder selectie-modellering (zoals gedaan door HM26) resulteert in een nog grotere bias.
   • Conclusie: De vorm van de prior (disk vs. uniform) heeft weinig invloed zolang de selectie correct wordt gemodelleerd. De bias komt primair voort uit het negeren van de selectiefunctie.
3. Posterior Predictive Checks (PPC): Het generatieve model reproduceert de waargenomen verdelingen van parallaxen, magnitude en periodes uitstekend. Modellen zonder selectie-modellering genereren voorspellingen die duidelijk in strijd zijn met de waarnemingen (bijv. voorspellen ze sterren op afstanden waar geen enkele is waargenomen).
4. Intrinsieke Spreiding: De intrinsieke spreiding van de periode-luminositeit relatie wordt geschat op $\sim0.06$ mag, wat consistent is met eerdere schattingen en de hoge precisie van de data ondersteunt.

Betekenis en Conclusie

Deze studie bevestigt dat de Hubble-spanning niet wordt opgelost door de aanpak van HM26. De schijnbare vermindering van de spanning in dat werk is een artefact van een onjuist generatief model dat de selectie-effecten negeert.

• Betrouwbaarheid: Een consistente Bayesiaanse behandeling van de Melkweg-structuur en selectie-effecten versterkt de lokale bepaling van $H_0$ en bevestigt de spanning met vroege-universele inferenties.
• Toekomst: De auteurs benadrukken dat voor toekomstige precisie-metingen (zoals met de James Webb-ruimtetelescoop of toekomstige Gaia-data releases) het essentieel is om selectie-effecten expliciet en rigoureus te modelleren. Dit werk legt de basis voor een volledig voorwaarts gemodelleerde afstandsladder, inclusief de derde trap (Type Ia-supernova's).

Kortom: Principiële selectiemodellering is niet optioneel; het is een vereiste voor een onbevooroordeelde inferentie van kosmologische parameters.