[論文レビュー] Improved limits on the tensor-to-scalar ratio using BICEP and Planck

M. Tristram, A. J. Banday+15 more|arXiv (Cornell University)|Dec 15, 2021

Cosmology and Gravitation Theories参考文献 33被引用数 16

ひとこと要約

本論文は、BICEP/Keck 2018 (BK18) と Planck PR4 データを組み合わせることで、現在最もきついテンソル対スカラー比 $ r $ の制約 $ r < 0.032 $（95%信頼区間）を導出している。$ r $ と $ \tau $ を同時にフィットし、$ \rm{\Lambda CDM} $ パラメータの不確実性を適切に取り入れることで、事後分布における $ r $ の感度が向上しバイアスが低減される。全天空の Planck データを用いて低 $ \ell $ の系統誤差とforeground 残差を補正することで、$ r $ の制約が強化される。

ABSTRACT

We present constraints on the tensor-to-scalar ratio r using a combination of BICEP/Keck 2018 and Planck PR4 data allowing us to fit for r consistently with the six parameters of the $Λ$CDM model without fixing any of them. In particular, we are able to derive a constraint on the reionization optical depth $τ$ and thus propagate its uncertainty onto the posterior distribution for r. While Planck sensitivity to r is no longer comparable with ground-based measurements, combining Planck with BK18 and BAO gives results consistent with r = 0 and tightens the constraint to r &lt; 0.032.

研究の動機と目的

• 最新の BICEP/Keck 2018 (BK18) と Planck PR4 データを組み合わせることで、テンソル対スカラー比 $ r $ の制約を改善すること。
• 特に再電離光学的厚さ $ \tau $ の不確実性が $ r $ の制約に与える影響を評価すること。
• 400回の全天空シミュレーションから推定された真の共分散行列をマージナライズすることで、誤差伝搬を堅牢に実現すること。
• 現実的なシミュレーションを用いて、Planck の尤度関数において低 $ \ell $ の系統誤差、foreground 残差、カットスクリーン効果を適切にモデル化すること。
• 統計的および系統的要因の両方の不確実性を含めた、自己一貫的かつ統計的に厳密な $ r $ の事後分布を提供すること。

提案手法

• 400回のエンドツーエンドのシミュレーションに基づく低 $ \ell $ 偏光 Planck 尤度（lowlEB）を用い、CMBパワー スペクトルと共分散行列をモデル化した。
• Bayesian パrameter 推論のための cobaya フレームワークを用いて、BK18 偏光データと Planck PR4 データを統合した尤度解析を実施した。
• $ \rm{\Lambda CDM} + r $ モデル内で $ r $ と $ \tau $ を同時にフィットし、$ \tau $ は $ \tanh $ を用いた再電離遷移でモデル化した。
• 有限のシミュレーション数（N=400）に起因する不確実性を適切に伝搬させるために、未知の真の共分散行列をマージナライズした。
• CMB パワー スペクトルの計算には CAMB ボルツマンソルバーを用い、バイアスのテストとしてモンテカルロトイモデルを検証した。
• 有限サンプルバイアスを低減するため、Hamimeche & Lewis (2008) および Sánchez et al. (2011) の手法に従い、逆共分散推定値に補正を加えた。

実験結果

リサーチクエスチョン

• RQ1 再電離光学的厚さ $ \tau $ の不確実性は、テンソル対スカラー比 $ r $ の事後分布および上限にどのように影響を与えるか？
• RQ2 低 $ \ell $ の系統誤差と foreground 残差が $ r $ の推定値に与える影響は何か？ そして、それらはどのように適切にモデル化できるか？
• RQ3 BK18 と Planck PR4 データの組み合わせは、個々のデータセット単独よりも $ r $ の制約をきつくなるか？
• RQ4 有限のシミュレーション数から推定された共分散行列の不確実性に対して、$ r $ の制約はどれほど頑健か？
• RQ5 真の共分散行列をマージナライズすることで、$ r $ の不確実性推定はより信頼性が高く、保守的になるか？

主な発見

• BK18 と Planck PR4 データの組み合わせにより、95%信頼区間で $ r < 0.032 $ の上限が得られ、現在最もきついテンソル対スカラー比の制約となった。
• 分析の結果、Planck の $ r $ に対する感度は BICEP/Keck のような地上観測実験よりもわずかに低いが、全天空カバレッジのおかげで制約の頑健性が著しく向上している。
• $ \tau $ の不確実性は $ r $ の事後分布に伝搬され、真の共分散行列のマージナライズによって $ r $ の不確実性はわずかだが有意に増加した。
• 400個のシミュレーションの異なるサブセットに基づく共分散推定値を用いても、$ r $ の事後分布は安定しており、バイアスがないことが確認された。
• シミュレーションベースの共分散モデル化により、低 $ \ell $ の系統誤差（長期間の系統誤差やカットスクリーン効果）を効果的に補正できた。
• モンテカルロ検証により、$ r $ の最大事後確率推定値（MAP推定値）はバイアスがなく、共分散行列のマージナライズに伴う不確実性の伝搬も適切に行われたことが確認された。