[論文レビュー] Information Gain in Cosmology: From the Discovery of Expansion to Future Surveys

Marco Raveri, M. Martinelli+2 more|arXiv (Cornell University)|Jun 20, 2016

History and Developments in Astronomy被引用数 19

ひとこと要約

本稿では、宇宙論における知識の蓄積を予測するため、再パrametrization不変な指標としてKullback-Leibler（KL）発散を提案する。ΛCDMモデルは知識の飽和に直面するが、将来の調査では、質量のあるニュートリノ、初期期重力波、修正重力といった拡張モデルに対して、前例のない情報の飛躍が得られると示している。

ABSTRACT

Facing the advent of the next generation cosmological surveys we present a method to forecast knowledge gain on cosmological models. We propose this as a well defined and general tool to quantify the performance of different experiments in relation to different theoretical models. In particular, the assessment of experimental performance will benefit enormously from the fact that this method is invariant under re-parametrization of the model. We apply this to future surveys and compare expected knowledge advancements to the most relevant experiments performed over the history of modern cosmology. When considering the standard cosmological model, we show that it will rapidly reach knowledge saturation in the near future and forthcoming improvements will not match the past ones. On the contrary, we find that new observations have the potential for unprecedented knowledge jumps when extensions of the standard scenario are considered.

研究の動機と目的

• 宇宙実験における知識の進展を定量化するための、強固で汎用性の高い指標を開発すること。
• 既存の指標の限界を克服し、宇宙論的モデルの再パラメータ化に対して不変であることを保証すること。
• 近い将来の調査からの知識の蓄積を予測し、宇宙論の歴史的出来事と比較すること。
• 将来の実験が、標準的なΛCDMモデルとその拡張モデルに対して、それぞれどの程度の知識の向上をもたらすかを調査すること。
• 特定の理論的モデルに対して最大の情報蓄積をもたらす実験を特定することで、ミッション計画を支援すること。

提案手法

• Kullback-Leibler（KL）発散を、事前分布と更新された事後分布の相対エントロピーとして定義し、二つの事後分布間の情報蓄積の統計的尺度として用いる。
• ガウス型の尤度関数と事前分布を仮定し、二つの実験の事後分布を比較することで、知識蓄積を予測する。
• フィッシャー行列を用いて、事後分布の逆分散共分散行列をモデル化し、ガウス型の仮定のもとでKL発散の解析的計算を可能にする。
• 事前分布とデータセットのフィッシャー行列の行列式とトレースを用いて、KL発散の閉形式表現を導出する。
• 公開済みのCosmicFishコードを用いて、複数の宇宙論的モデルと実験に対して、数値的評価が可能な予測フレームワークを実装する。
• 歴史的実験（例：ハッブル、WMAP、プランク）と将来の調査（例：Euclid、CORE、LSST）を、ΛCDMおよび拡張モデルの両方の下で、知識蓄積の観点から比較する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、宇宙論における知識蓄積を定量化する普遍的で再パラメータ化不変な指標を定義できるか？
• RQ2 将来の宇宙論的調査は、過去の出来事（例：ハッブルによる宇宙膨張の発見）と比較して、標準的なΛCDMモデルに対する知識の蓄積をどの程度向上させるのか？
• RQ3 質量のあるニュートリノや修正重力といったΛCDMの拡張を考慮した場合、知識蓄積はどのように異なるか？
• RQ4 特定の新しい物理の領域に対して、どの将来の実験が最大の情報飛躍をもたらすか？
• RQ5 KL発散は、科学的目標の優先順位付けや、近い将来の宇宙論的調査の設計最適化に用いることができるか？

主な発見

• ΛCDMモデルは知識の飽和に近づいており、ハッブルによる宇宙膨張の発見といった歴史的出来事に比べ、将来の調査による情報蓄積は著しく小さくなると予想される。
• 宇宙空間からの将来の第4段階の大規模構造調査は、ΛCDMモデルにおいて知識の飽和をもたらし、今後さらなる改善はほとんど期待されない。
• 質量のあるニュートリノや初期期重力波といったΛCDMの拡張モデルでは、将来の調査が画期的な情報飛躍をもたらす。特に、COREによる初期期重力波の観測では、最大で2桁の情報蓄積の飛躍が予想される。
• ホーラー重力のようなモデルでは、情報蓄積が極めて大きく予測されており、宇宙論における量子重力効果のテストに画期的な進展がもたらされる可能性がある。
• KL発散は、従来の指標（例：DETF FoM）とは異なり、異なるモデル間で直接比較可能な統一スケールでの知識蓄積を可能にする。
• トモグラフィー的弱引力レンズと銀河集団のクラスタリング調査が、拡張モデルに対する最も強い制約をもたらすと予想され、パラメータの不確実性を約10⁻⁷のレベルまで低減する。