[論文レビュー] Inverse-mapped density-dependent relativistic mean-field inference of the neutron-star equation of state with multi-messenger constraints

Wen-Jie Xie, Cheng-Jun Xia|arXiv (Cornell University)|Mar 6, 2026

Pulsars and Gravitational Waves Research被引用数 0

ひとこと要約

論文は、密度依存型相対論的平均場モデル（DD-RMF）内で中性子星の方程式の状態をベイズ推論フレームワークで再構築し、密度依存結合への厳密な逆写像を用いて10個の巨視的核飽和パラメータから結合を導出し、EOSを多様なマルチメッセージデータ（χEFT、HIC、NICER、NS質量）と対峙させる。

ABSTRACT

We perform a Bayesian inference of the equation of state (EOS) of cold dense matter within a density-dependent relativistic mean-field (DD-RMF) model. An explicit inverse-mapping procedure reconstructs the density-dependent couplings from a physically interpretable ten-dimensional parameter set while enforcing thermodynamic consistency together with stability and causality conditions. The EOS is constrained by complementary multi-messenger data including chiral effective field theory calculations at low density, heavy-ion collision flow information at intermediate densities, NICER mass-radius posteriors, and the existence of approximately two-solar-mass pulsars. The combined constraints strongly restrict both isoscalar and isovector sectors. In particular, the chiral effective field theory band favors a relatively soft symmetry-energy slope around 38 MeV, corresponding to a compact canonical neutron-star radius of about 11.6 km. To reconcile the intermediate-density softness suggested by heavy-ion data with the high-density stiffness required by massive pulsars, the posterior prefers a moderately large Dirac effective mass at saturation together with correlated high-density limits of the scalar and vector couplings. The resulting sound-speed profile remains causal and shows significant stiffening above the conformal limit at several times nuclear saturation density, indicating strongly interacting matter in neutron-star cores. Evidence diagnostics indicate strong compatibility among the adopted constraints within the present DD-RMF framework.

研究の動機と目的

• マクロ的核物質特性を厳密な逆写像を介して微視的DD-RMF結合に結びつける。
• 熱力学的一貫性と因果律を満たしつつ密度依存結合を再構成する。
• 再構成されたEOSをマルチメッセージ拘束と対峙させて中性子星のEOS特性を推定する。
• データセットの適合性を定量化し、冷たい高密度物質の統一的記述を抽出する。

提案手法

• 密度依存結合G_i(n)と熱力学的一貫性のための再配列項を持つDD-RMFエネルギー密度汎関数を使用する。
• 密度依存性にはTypel–Wolter型の有理形を採用し、10パラメータセットthetaから結合へ厳密逆写像を実行する。
• β平衡と電荷中性を課してコアEOSを得、M-R関係のためにTOV方程式を解く。
• NSのNICER M-R、χEFT低密度帯、HIC中密度圧力、M_maxペナルティを組み合わせた多成分尤度を組み込む。
• Nested sampling (MultiNest)で事後分布をサンプルし、ベイズ証拠と適合因子ln Rを計算する。
• すべての制約（NS+χEFT+HIC+M_max）下でEOSバンド、音速c_s^2、密度依存結合を評価する。

Figure 1: Microphysical constraints employed in the likelihood function. (Left) The chiral effective field theory ( $\chi$ EFT) pressure band evaluated for pure neutron matter at sub-saturation densities taken from Ref. Keller et al. ( 2023 ) . (Right) The heavy-ion collision (HIC) pressure band con

実験結果

リサーチクエスチョン

• RQ1 マルチメッセージデータはDD-RMF EOSの異合計・同相性セクターをどのように制約するか？
• RQ2 熱力学的一貫性と因果律を課すとき、スカラー・ベクトル結合の密度依存挙動はどのように好まれるか？
• RQ3 統一されたDD-RMF EOSはχEFTの低密度制約、中密度のHICデータ、NICERのM-R観測、および約2 M⊙のパルサーを収容できるか？
• RQ4 対称エネルギー勾配L、その曲率K_sym、および高密度での音速に対する影響は何か？
• RQ5 このDD-RMFフレームワーク内で地上と天体の制約はどれくらい整合するか？

主な発見

Parameter	Prior Range	68% CI	90% CI
K0 (MeV)	[220,260]	241^{+12}_{-13}	241^{+17}_{-18}
M*/M	[0.45,0.65]	0.638^{+0.008}_{-0.012}	0.638^{+0.010}_{-0.019]"],[	,	n0 (fm^-3)	[0.145,0.170]	0.1503^{+0.0031}_{-0.0025}	0.1503^{+0.0061}_{-0.0039}
E0 (MeV)	[-16.5,-15.8]	-16.12^{+0.20}_{-0.24}	-16.12^{+0.27}_{-0.33}
E_sym,0 (MeV)	[28.5,34.9]	33.43^{+0.98}_{-1.85}	33.43^{+1.31}_{-3.23}
L (MeV)	[20,120]	38^{+11}_{-7}	38^{+19}_{-10}
K_sym (MeV)	[-400,100]	-84^{+44}_{-30}	-84^{+80}_{-43}
f_sigma,∞	[0.3,0.9]	0.802^{+0.018}_{-0.020}	0.802^{+0.029}_{-0.033}
f_omega,∞	[0.3,1.4]	0.787^{+0.016}_{-0.020}	0.787^{+0.025}_{-0.034}
f_rho,∞	[0.2,0.9]	0.264^{+0.062}_{-0.041}	0.264^{+0.110}_{-0.056}

• 統合データALLは、個々のデータセットと比べて異なるセクターの制約を強く絞り込む。
• χEFTは対称エネルギー勾配Lを約38 MeVとするソフトな傾向を支持し、典型的半径R1.4を約11.6 kmと相関させる。
• 事後分布は飽和でのディラック有効質量M*/Mを約0.64とするやや大きめの値と、高密度限界でのスカラー・ベクトル結合が非零であることを好む。
• 推定された音速は因果的であり、n ≈ 3 n0付近でc_s^2 > 1/3となる非の同型硬化を示し、巨大NSのコア物質が非同型であることを示唆する。
• 高密度結合はf_sigma,∞とf_omega,∞の厳密な相関を満たし、高密度で対称エネルギーを制限するためにf_rho,∞を抑制する。
• エビデンスベースの診断は、モデルと事前分布内でNS、χEFT、HICセクター間の全体的な適合性が強いことを示す（例：ln R ≳ 9）。

Figure 2: One-dimensional marginalized posteriors for the 10 inferred parameters under different data selections. The shaded gray band shows the uniform priors. Colored curves show posteriors obtained with NS-only, $\chi$ EFT-only, HIC-only, $\chi$ EFT+HIC, $\chi$ EFT+NS, HIC+NS, and the full ALL co