Unveiling the nature of dark matter through big data analysis of the next-generation large observation projects

点击翻译按钮获取中文摘要

宇宙の物質の約８割以上はダークマターと呼ばれる正体不明の物質で占められている。この正体を明らかにするため、理論、実験、天文観測と多角的なアプローチがなされている。本研究では、近赤外線やガンマ線、エックス線など、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モデルパラメータへの制限に着目し、この研究に最適な天体である銀河系矮小銀河のダークマター分布に焦点をあてる。このダークマター分布を精度良く決定することが、本研究の鍵となる。銀河系矮小銀河ダークマター分布の決定精度の向上には、動力学解析手法や観測によ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、その向上を目指す。本年度では、教師なし機械学習を用いた銀河系矮小銀河ダークマター分布決定の動力学解析手法の構築を行った。従来の動力学解析モデルは、視線方向に射影した恒星の空間分布やダークマター密度分布に対してパラメータ化されたモデルを用い、ジーンズ方程式を解くことによってダークマター密度分布を推定している。したがって、この推定方法はモデルに依存する解析手法となっている。一方で、教師なし機械学習を用いることで、モデル依存しない動力学解析手法を構築することができた。この解析手法の有効性を実証するため、矮小銀河のメンバー星のみの模擬データに、この新たな手法を適用した。その結果、恒星密度分布やダークマター密度分布を精度良く再現することができた。本研究結果は、現在論文にまとめている段階である。一方で、実際の観測データから矮小銀河のメンバー星の正しい情報を取り出すために、機械学習を用いた手法の構築を目指している。本年度は、この構築に必要不可欠な模擬データの生成に着手した。特にメンバー星ではないコンタミネーション星だけでなく、連星系の影響を含めた模擬データの生成を行った。