Unveiling the nature of dark matter through big data analysis of the next-generation large observation projects
| Project/Area Number |
21K13909
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 15010:Theoretical studies related to particle-, nuclear-, cosmic ray and astro-physics
|
|---|
| Research Institution | Sendai National College of Technology (2023)
Ichinoseki National College of Technology (2021-2022) |
|---|
Principal Investigator |
林 航平 仙台高等専門学校, 総合工学科, 講師 (20771207)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
Fiscal Year 2024: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2023: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2022: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2021: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | ダークマター / 銀河動力学 / ビッグデータ / 矮小楕円体銀河 / すばる望遠鏡 / 矮小銀河 |
|---|
| Outline of Research at the Start |
ダークマターはいったい何者なのか？この謎を解明するため、本研究ではダークマターの理論模型に強い制限を与えられる矮小銀河ダークマター分布に焦点をあてる。すばる望遠鏡を用いた観測データの飛躍的な向上により、このダークマター分布の高精度決定が期待されることから、このビッグデータを有効活用するための統計的手法及び新たな動力学解析モデルの構築を行う。このモデルから得られるダークマター分布を、将来のダークマター間接的検出実験に対する重要な情報として提供する。
|
| Outline of Annual Research Achievements |
宇宙の物質密度の約８割は正体不明の物質であるダークマターに占められている。この正体を明らかにすることが現代物理学最大の課題の１つである。本研究ではダークマターの理論模型に強い制限を与えることができる銀河系矮小銀河のダークマター密度分布に焦点を当てる。このダークマター密度分布を精度良く決定することは、近赤外線やエックス線、ガンマ線など、多波長天文観測によるダークマターシグナルの間接的検出及びダークマターの理論モデルパラメータに重大な制限を与えるために重要となる。しかし、銀河系矮小銀河のダークマター密度分布決定には、動力学解析モデルの不定性や多次元の高統計な観測データに含まれる不定性を正しく考慮する必要がある。本研究では機械学習を取り入れた解析モデルを構築することで、これらの不定性にも対応したより精度の高いダークマター密度分布決定を目指す。
本年度は機械学習の手法の１つであるNormalizing flowを用いた動力学解析手法を完成させた。従来の動力学解析手法は、視線方向に射影した恒星の空間分布や速度分布のみのデータから、恒星の６次元情報を得るため、恒星の３次元空間分布や速度分布をパラメータ化する必要があった。またダークマター密度分布もパラメータ化して扱うため、この手法はそのパラメータなどに依存する手法となっている。一方で今回構築した手法は、観測データから機械学習を介して、恒星の空間や速度の３次元分布を得ることができ、その依存性を抑えることができる。
この新たな動力学解析手法の有効性を示すため、銀河系矮小銀河のメンバー星のみの模擬データを作成し、この手法を適用した。現在様々なダークマターモデルに対してその解析を行っている段階である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度、研究代表者は機関異動及びそれに伴う業務内容の大幅な変更があったが、機械学習の手法を取り入れた動力学解析解析の完成及び模擬データへの適用を行うことができた。一方で様々なダークマターモデルや恒星の位相空間分布に対する模擬データを作成し、構築したモデルの有効性を実証するため、解析するデータが多種多様となり本年度中の論文化には至らなかった。
銀河系矮小銀河のメンバー星だけでなく銀河系の円盤星やハロー星などのコンタミネーションを含めた模擬データの作成も順調に進んでいる。現在は、すばる超高視野カメラによる測光データをより忠実に再現したデータの作成を行い、より現実に近い模擬データを用いた動力学解析を行う段階にきている。来年から科学観測が開始されるすばる超広視野多天体分光器での観測に向けて着実に準備が整いつつある。
|
| Strategy for Future Research Activity |
現在解析を行っている機械学習を取り入れた動力学解析手法について、学術論文としてまとめる。
また、現在は模擬データに対して解析モデルを適用しているが、実際の銀河系矮小銀河の観測データに適用し、従来の動力学解析手法から得られるダークマター密度分布との比較を行う。一方でこの解析手法は、恒星やダークマター分布が球対称を仮定したモデルとなっている。その仮定を外し、より現実的な非球対称質量分布に対する動力学解析解析手法への拡張を目指す。
すばる超広視野多天体分光器での銀河系矮小銀河観測に向けた模擬データ生成を完成させ、矮小銀河メンバー星を高確率で同定するためのコード開発を完遂する。さらに動力学解析と掛け合わせることで、次世代分光観測サーベイによって、銀河系矮小銀河のダークマター密度分布がどの程度の精度で決定できるかを徹底的に議論する。
|
Report
(3 results)
Research Products
(46 results)
