[논문 리뷰] Impact of Simultaneous Stellar Modeling Uncertainties on the Tip of the Red Giant Branch for Axion-Election Coupling

Mitchell T Dennis, Jeremy Sakstein|arXiv (Cornell University)|2023. 05. 04.

Dark Matter and Cosmic Phenomena인용 수 4

한 줄 요약

이 논문은 별의 물리적 불확실성을 고려하여 적색거탑의 꼬리(TrGB) 빛의 세기와 함께 양성자-전자 결합을 동시에 제약하는 기계학습 기반 마르코프 체인 몬테카를로(MCMC) 프레임워크를 소개한다. 질량, He 비율, 금속성, 양성자 결합을 변화시킨 116,250개의 별 모델에 대해 에뮬레이터를 훈련시은 결과, 이전에 제약된 것으로 여겨졌던 영역 $α_{26} \leq 2$ 는 TrGB 보정에 의해 배제되지 않으며, 이는 이전에 예상된 것보다 훨씬 넓은 타당한 매개변수 공간을 제공한다.

ABSTRACT

We present a novel method for incorporating the effects of stellar modeling uncertainties into constraints on the axion-electron coupling constant found using the observed calibration of the tip of the red giant branch (TRGB) I band magnitude $M_I$.~We simulate grids of models with varying initial stellar mass, helium abundance, metallicity, and axion-electron coupling $α_{26}= 10^{26} g^2_{ae}/4π$ but different (fixed) mixing lengths and mass loss efficiencies.~We then train separate machine learning emulators to predict $M_I$ as a function of the varying parameters for each grid.~Our emulators enable the use of Markov Chain Monte Carlo simulations where $α_{26}$ is varied simultaneously with the stellar parameters.~One of our grids yields a bound $α_{26}\leq 0.75$ at the 95\% confidence limit, a factor of $\sim3.7$ weaker than previous bounds;~while the other grid yields $α_{26}\leq1.58$ at the 95\% confidence limit, a factor $\sim7.8$ weaker than previous bounds.~We demonstrate that the different values we find are due to covariances between stellar and axion physics that are not accounted for by single parameter variations.~Our results suggest that the bound on $α_{26}$ derived using empirical calibrations of the TRGB I band magnitude need to be reevaluated using simultaneous parameter variation.~Alternative methods that use the bolometric luminosity instead of $M_I$ are more robust because they are not reliant upon theoretical predictions of the effective temperature.

연구 동기 및 목표

• 별의 입력 물리적 특성의 상관관계와 불확실성을 고려하여 TrGB 빛의 세기로 양성자-전자 결합에 대한 제약을 재평가하는 것.
• 전체 별의 진화 코드의 계산 비용 문제를 해결하기 위해 기계학습을 활용해 밀리초 내로 모델 출력을 에뮬레이트함으로써 MCMC에서의 계산 비용을 줄이는 것.
• 양성자 결합과 함께 별의 물리적 매개변수를 동시에 변화시킬 때, 이전에 보고된 제약 $\alpha_{26} < 0.134$ (95% 신뢰수준) 가 여전히 유효한지 확인하는 것.
• 베이지안 추론에 별의 물리적 불확실성을 통합함으로써 새로운 물리학의 천체물리적 탐지 수단을 재평가하는 일반화 가능한 방법을 제시하는 것.

제안 방법

• MESA를 사용하여 초기 질량, He 비율, 금속성, 양성자-전자 결합 $\alpha_{26}$ 를 변화시킨 116,250개의 별 모델 그리드를 생성하였다.
• 입력 매개변수에 따라 TrGB I-대역 등급 $M_I$ 와 관련 볼로메트릭 보정 오차를 예측할 수 있도록 모델 그리드에 기반한 기계학습 에뮬레이터를 훈련시켰다.
• 에뮬레이터를 통해 MCMC 시뮬레이션에서 빠른 평가가 가능해져, 양성자 결합과 별의 물리적 매개변수를 함께 샘플링할 수 있었으며, 샘플당 계산 비용이 시간에서 밀리초로 감소하였다.
• LMC, NGC 4258, $\omega$ Centauri에서의 경험적 TrGB 보정을 MCMC 분석의 가능도 사전 분포로 사용하였다.
• 표준 $\alpha_{26} = 10^{26}g_{ae}^2/4\pi$ 매개변수화 방식을 사용하여, MESA 별 코드에 반감성 산란과 브레머스트라할링을 통한 양성자 에너지 손실률을 통합하였다.
• MCMC 분석은 예측된 이론적 $M_I$ 를 관측된 보정과 비교하기 위해 에뮬레이터 예측을 사용하였으며, 색보정과 측정 불확실성도 포함하였다.

실험 결과

연구 질문

• RQ1 별의 물리적 불확실성과 상관관계가 완전히 고려될 경우, 이전에 보고된 $\alpha_{26} < 0.134$ (95% C.L.) 의 양성자-전자 결합 제약은 여전히 유효한가?
• RQ2 기계학습 기반 에뮬레이터는 새로운 물리학 매개변수를 포함한 별 모델의 MCMC 샘플링을 효율적으로 가능하게 할 수 있는가? 이는 전체 별의 진화 코드의 계산 비용 문제를 해결할 수 있는가?
• RQ3 초기 질량, He 비율, 금속성이 양성자-전자 결합과 함께 동시에 변화할 때, 양성자-전자 결합 $\alpha_{26}$ 의 타당한 매개변수 공간은 무엇인가?
• RQ4 별의 입력 물리적 특성에 대한 불확실성이 추론 과정 전반에 걸쳐 전파될 경우, 경험적 TrGB 보정이 양성자-전자 결합을 어느 정도 제약하는가?

주요 결과

• MCMC 분석에서 별의 불확실성과 상관관계를 완전히 고려할 경우, 경험적 TrGB 보정에 의해 $\alpha_{26} \leq 2$ 영역이 배제되지 않는다.
• 이전에 강력한 제약으로 여겨졌던 $\alpha_{26} < 0.134$ (95% C.L.) 는 별의 물리적 매개변수와 양성자 결합을 동시에 변화시킬 경우 더 이상 유효하지 않다.
• 기계학습 기반 에뮬레이터 덕분에 별 모델 평가 시간이 시간에서 밀리초로 감소하여 전체 매개변수 공간의 실용적인 MCMC 샘플링이 가능해졌다.
• MCMC 결과는 관측된 TrGB 등급 $M_I$ 가 $\alpha_{26}$ 가 2 이하일 동안 광범위한 별의 물리적 매개변수 범위에서 이론적 예측과 일치함을 보여준다.
• 2를 초과하는 $\alpha_{26}$ 의 값들도 여전히 제약을 받지 않을 가능성이 있으며, 그리드가 이 값 이상으로 확장되지 않았지만 추세상 타당성이 있음을 시사한다.
• 이 연구 방법론은 별의 입력 물리적 불확실성을 베이지안 추론에 통합함으로써 다른 천체물리적 탐지 수단의 재평가를 위한 일반화 가능한 프레임워크를 제공한다.