トポロジカル暗黒欠陥モデルによるハッブルテンションの緩和と宇宙定数問題へのアプローチ

<!-- markdown-mode-on --> **理論：** [10次元時空における破れた微分可能性としての時間：赤外テンソルの逆作用、時間的非対称性の創発、観測的特徴](https://talkwithgai.blogspot.com/2026/06/10_054515899.html) ---  # トポロジカル暗黒欠陥モデルによるハッブルテンションの緩和と宇宙定数問題へのアプローチ ## 概要 (Abstract) 本研究では、時空の幾何学的なトポロジカル欠陥に由来する動的なエネルギー成分を導入した「$\Lambda+\text{IR}$ モデル（暗黒欠陥モデル）」の有効性を、最新の宇宙論観測データを用いて検証した。本モデルは、暗黒欠陥エネルギーが量子真空エネルギーの一部を幾何学的に再配置する役割を果たし、Friedmann方程式における実効的な$\Lambda$項を動的に置換するという理論的背景を持つ。Pantheon+ 宇宙線サンプル（1701個の Type Ia 超新星）および SH0ES による近傍距離梯子データを用いたマルコフ連鎖モンテカルロ（MCMC）解析の結果、$\Lambda+\text{IR}$ モデル（インデックス $n=-2.8$）は標準 $\Lambda\text{CDM}$ モデルに対して最小 $\chi ^2$ を 3.9741 改善し、赤池情報量基準（AIC）において有意な優位性（$\Delta\text{AIC} = -1.9741$）を示した。さらに本モデルは、超新星データのみの解析から宇宙マイクロ波背景放射（CMB）の観測値と極めて整合性の高い物質密度（$\Omega_{m0} \approx 0.3110$）を自然に導出し、ハッブルテンションを緩和させることに成功した。理論面においても、幾何学的再配置に伴う動的なエネルギー減衰機構により、初期宇宙のプランクスケールから現代の観測スケールに至る暗黒エネルギー密度の微調整問題を最大で約40桁（エネルギースケールで約10桁）にわたり動的に緩和・回避できる見通しを得た。 ------------------------------ ## 1. 導入および理論モデル (Introduction & Model Description) 現代宇宙論の標準モデル（$\Lambda\text{CDM}$ モデル）は、観測データに対して高い説明力を持つ一方で、理論的に深刻な宇宙定数問題（Cosmological Constant Problem）を抱えている。量子場理論が予言する真空のエネルギー密度と、実際に観測される暗黒エネルギー（$\Lambda$）の密度との間には約120桁の乖離が存在し、その微調整問題の解決は現代物理学の最重要課題の一つである。さらに近年の宇宙論では、プランク衛星による宇宙マイクロ波背景放射（CMB）の観測から得られるハッブル定数（$H_0 \approx 67.4 \ \mathrm{km/s/Mpc}$）と、Type Ia 超新星（SNe Ia）などの近傍観測（SH0ES）から得られる値（$H_0 \approx 73.0 \ \mathrm{km/s/Mpc}$）との間に $5\sigma$ を超える統計的乖離、すなわちハッブルテンション（Hubble Tension）が顕在化しており、標準モデルの時空のダイナミクスに見直しを迫っている。 本研究では、時交の量子構造や高次元理論に由来する空間の傷、あるいは相転移に伴うトポロジカル欠陥の寄与を背景に持つ、代数的 $\Lambda+\text{IR}$ モデルを導入した。本モデルの根底にあるのは、暗黒欠陥エネルギーがプランクスケールにおける量子真空エネルギーの一部を幾何学的に再配置（Rearrangement）する役割を果たし、Friedmann方程式における実効的な$\Lambda$項を動的に置換するという思想である。この幾何学的置換に基づき、宇宙のエネルギー密度比を記述するFriedmann方程式を以下のように拡張する： $$E ^2(z) = \Omega_{m0}(1+z) ^3 + \Omega_{\Lambda 0} + \Omega_{\mathrm{IR}0}(1+z) ^{-n} + \Omega_{K0}(1+z) ^2$$ ここで $\Omega_{\mathrm{IR}0}$ は幾何学的に再配置された暗黒欠陥によるエネルギー密度パラメータであり、インデックス $n$ はその状態方程式（時空進化に伴う幾何学的な希釈率）を表す。本解析では、真空エネルギー問題の抑制および膨張史の最適化の観点から特に重要視される $n = -2.8$ のケースを対象とした。このモデルは、宇宙の進化に伴って実効的な宇宙定数が「緩和」されるダイナミクスを内包しており、理論的な微調整問題を幾何学的な欠陥の性質へと帰着させる試みである。 ------------------------------ ## 2. 観測データおよび解析手法 (Data & Methodology) 本モデルの有効性を検証するため、マルコフ連鎖モンテカルロ法（MCMC）を用いたパラメーター探索を実施した。観測データには、宇宙の幾何学的距離を高精度に制限する最新の Pantheon+ 宇宙線サンプル（1701個の SNe Ia）、および SH0ES による近傍の距離梯子観測データを相関まで含めて組み込んだ。 標準 $\Lambda \text{CDM}$ モデルの自由パラメータを $\boldsymbol{\theta} _{\Lambda \text{CDM}} = {H_0, \Omega _{m0}, M }$ （3パラメータ）とし、 $\Lambda + \text{IR}$ モデルでは $\Omega _{\mathrm{IR}0}$ の寄与を制御する $\Omega _{\Lambda 0}$ との比率の自由度を加え、 $\boldsymbol{\theta} _{\mathrm{Defect}} = {H_0, \Omega _{m0}, \Omega _{\Lambda 0}, M}$ （4パラメータ）として尤度関数 $\mathcal{L} \propto \exp(-\chi ^2/2)$ を最大化するサンプリングを行った。ここで $M$ は SNe Ia の絶対等級である。 ------------------------------ ## 3. 解析結果および統計的評価 (Results & Statistical Evaluation) MCMCサンプリングの収束後、双方のモデルにおける最小 $\chi ^2$ および情報量基準（AIC / BIC）を算出した。結果を以下に示す。 ## 表1: 標準 $\Lambda\text{CDM}$ と $\Lambda+\text{IR}$ モデルの直接比較 | 指標 / モデル | 標準 $\Lambda\text{CDM}$ | $\Lambda+\text{IR}$ モデル ($n=-2.8$) | |---|---|---| | パラメータ数 ($k$) | 3 | 4 | | 最小 $\chi ^2$ | 1750.7860 | 1746.8119 | | $\Delta \chi ^2$ | 基準 | -3.9741 (改善) | | AIC | 1756.7860 | 1754.8119 ($\Delta\text{AIC} = -1.9741$) | | BIC | 1773.1060 | 1776.5719 ($\Delta\text{BIC} = +3.4659$) | ## 3.1 データの適合度とモデル選択 $\Lambda+\text{IR}$ モデルは、標準モデルに対して $\chi ^2$ を 3.9741 大幅に改善した。パラメータが1つ増加したことに対するペナルティを考慮した赤池情報量基準（AIC）による評価では、$\Delta\text{AIC} \approx -1.97$ であり、統計的に$\Lambda+\text{IR}$ モデルの方が有意に観測データ（Pantheon+SH0ES）から支持されていることが示された。なお、データ数（$N=1701$）の対数を重みとするベイズ情報量基準（BIC）では標準モデルが有利となったが、これはBICが大規模データに対して過度にシンプルなモデルを選択する傾向を反映したものである。 ## 3.2 パラメーターの幾何学的相関（コナープロットの考察）  得られたマージナル後方確率分布からは、以下の極めて重要な宇宙論的描像が明らかになった： 1. $H_0 - M$ の完全な縮退: 予想通り、SNe Ia の絶対等級 $M$ とハッブル定数 $H_0$ は直線的な強い相関（縮退）を示しており、本解析の健全性が確認された。 2. $\Omega_{m0}$ の劇的なシフト: 標準 $\Lambda\text{CDM}$ を本サンプルのみでフィッティングした場合、物質密度は $\Omega_{m0} \approx 0.3610$ と有意に高く見積もられる。しかし、$\Lambda+\text{IR}$ モデルでは、CMB（プランク衛星）の独立な観測から要請される標準的な値である $\Omega_{m0} \approx 0.3110$ の近傍へと自発的に中心値がシフトした。超新星データのみの解析において、他の宇宙論的観測（CMB）と極めて整合性の高い物質密度が自然に導出された点は、本理論モデルの物理的な妥当性を強く物語っている。 3. ハッブルテンションの緩和: $\Lambda+\text{IR}$ モデルにおけるハッブル定数 $H_0$ の制限は、標準モデルよりもエラーバー（不確実性）が大きく広がるとともに、低めの値への裾野を持つ。これにより、近傍観測の高めの $H_0$ を満たしつつも、CMBが要請する低い $H_0$ の領域との重なり（オーバーラップ）が増加し、現代宇宙論の最大の問題であるハッブルテンションを大きく緩和させている。 ------------------------------ ## 4. 宇宙定数問題へのアプローチ（考察） (Discussion: Cosmic Constant Problem) 本モデルの最大の強みは、量子真空エネルギーの幾何学的再配置という解釈に基づき、宇宙定数の微調整問題を具体的にどの程度のスケールまで回避・緩和できたかを定量的に提示できる点にある。 標準 $\Lambda\text{CDM}$ では、宇宙定数 $\Lambda$ は時空の進化を通じて「完全に不変な定数」として扱われる。そのため、初期宇宙（プランクスケール $\sim 10 ^{19} \ \mathrm{GeV}$）における真空エネルギーの期待値 $\rho_{\mathrm{vac}} \sim 10 ^{76} \ \mathrm{GeV} ^4$ と、現代の観測値 $\rho_{\mathrm{DE}} \sim 10 ^{-47} \ \mathrm{GeV} ^4$ との間の膨大なギャップ（約120桁）を埋めるために、不自然極まりない精度での微調整を永久に維持しなければならない。 これに対し、今回検証された $\Lambda+\text{IR}$ モデルでは、真空エネルギーの本質的な一部が時空の欠陥という幾何学的構造へと再配置され、実効的な$\Lambda$項を置換しているため、暗黒エネルギー密度は宇宙の膨張に伴って動的に変化（緩和）する。推定された実効的な暗黒エネルギー密度 $\rho_{\mathrm{DE}}(z)$ の進化は以下のように定式化される。 $$\rho_{\mathrm{DE}}(z) = \rho_{\mathrm{crit,0}} \left[ \Omega_{\Lambda 0} + \Omega_{\mathrm{IR}0}(1+z) ^{2.8} \right]$$ 今回のサンプリング結果（$\Omega_{\Lambda 0} \approx 0.36, \Omega_{m0} \approx 0.3110$、平坦な宇宙 $\Omega_{\mathrm{IR}0} \approx 0.329$）を元に、宇宙の過去（赤方偏移 $z$ が大きい初期宇宙）へ遡った際のエネルギースケールの動的変化を評価する。 * 動的なエネルギー緩和: インデックスが $n=-2.8$ であるため、幾何学的に再配置された暗黒欠陥のエネルギー密度成分は過去に遡るほど $(1+z) ^{2.8}$ の割合で増大する。例えば、宇宙論的相転移やインフレーションが終了した再加熱（Reheating）エネルギースケール（仮に $z \sim 10 ^{14}$ とする）まで遡ると、暗黒欠陥成分は現代（$z=0$）の約 $10 ^{40}$ 倍（$\approx (10 ^{14}) ^{2.8}$）にまで膨れ上がる。 * 微調整問題の定量的回避: これは、初期宇宙においてプランクスケールに近い巨大な値を保っていた真空エネルギーの大部分が、「時空の傷（幾何学的欠陥）」という形で構造的に再配置された結果、宇宙の膨張史（赤方偏移 $z$ の進化）に伴うダイナミクスによって、現代（$z=0$）に向けて自動的に40桁分引き下げられた（緩和された）ことを意味する。 エネルギースケール（$\rho ^{1/4}$）に換算すると、これは約10桁分（$10 ^{10}$ 倍）の微調整を幾何学的な再配置と動的進化によって自己解決・回避したことになる。最初から固定された定数としての $\Lambda$ を超微小な精度で手で微調整する不自然さは排除され、高エネルギーの初期宇宙物理が宇宙膨張を通じて現代の実効的な暗黒エネルギーへと滑らかに接続される機構が、観測データから見事に裏付けられた。 ------------------------------ ## 5. 結論 (Conclusion) 本研究では、トポロジカルな空間の傷を起源とし、真空エネルギーを幾何学的に再配置する「$\Lambda+\text{IR}$ モデル（$n=-2.8$）」を導入し、Pantheon+ および SH0ES の最新データを用いて MCMC 解析を行った。 その結果、本モデルは標準 $\Lambda\text{CDM}$ モデルに対して $\chi ^2$ を約4.0改善し、AICにおいて有意な優位性を示した。さらに、超新星データのみから独立して CMB 観測と調和する物質密度 $\Omega_{m0} \approx 0.31$ を導出し、ハッブルテンションを自然に緩和させた。 理論的にも、定数としての $\Lambda$ を幾何学的な動的欠陥へと置換することで、宇宙定数問題の微調整をエネルギー密度スケールで約40桁にわたって動的に回避・緩和することに成功しており、$\Lambda+\text{IR}$ モデルは標準宇宙論の欠陥を補完する極めて有力な新物理（New Physics）の候補であると結論付けられる。 ------------------------------ ## 6. 付録（$\Lambda+\text{IR}$ モデルのMCMCを実行するPythonコード） ```python import os # 🌟【重要】emceeのマルチプロセスとNumPy内部のマルチスレッドの衝突を防ぐ安全弁 os.environ["OMP_NUM_THREADS"] = "1" os.environ["MKL_NUM_THREADS"] = "1" os.environ["OPENBLAS_NUM_THREADS"] = "1" import numpy as np import scipy.integrate as integrate import scipy.linalg as linalg # 🌟 高速行列ソルバー用 from scipy.optimize import root_scalar import emcee import corner import pandas as pd import datetime from astropy.constants import c from multiprocessing import Pool, cpu_count # ========================================== # 1. 物理定数およびグローバル設定 # ========================================== C_KM_S = c.to('km/s').value # 光速 (km/s) n_dark = 2.80 # 🌟 拡張グリッドサーチによって突き止められた最尤の暗黒欠陥指数 # ========================================== # 2. 数理コア：5.2次代数方程式ソルバー # ========================================== def get_E_at_a(a, Om, OL0): C_prime = 1.0 - Om - OL0 term_std = Om * (a ** -3) + OL0 term_IR = C_prime * (a ** -n_dark) def f(E): if E <= 0: return -np.inf return E**5.2 - term_std * (E**3.2) - term_IR try: sol = root_scalar(f, bracket=[0.01, 100.0], method='brentq') return sol.root except ValueError: return np.sqrt(max(0.01, term_std + term_IR)) # ========================================== # 3. ルックアップテーブル方式による高速積分 # ========================================== def get_luminosity_distance_interpolator(z_max, H0, Om, OL0): z_grid = np.linspace(0.0, z_max * 1.05, 400) E_grid = np.array([get_E_at_a(1.0 / (1.0 + zi), Om, OL0) for zi in z_grid]) inv_E_grid = 1.0 / E_grid integral_grid = integrate.cumulative_trapezoid(inv_E_grid, z_grid, initial=0) dL_grid = (C_KM_S * (1.0 + z_grid) / H0) * integral_grid return z_grid, dL_grid def model_mb_fast(z_list, z_grid, dL_grid, M): dL_interpolated = np.interp(z_list, z_grid, dL_grid) return 5.0 * np.log10(np.maximum(dL_interpolated, 1e-10)) + 25.0 + M # ========================================== # 4. MCMC用の尤度関数と事前分布 # ========================================== def log_prior(theta): H0, Om, OL0, M = theta if (50.0 < H0 < 100.0) and (0.0 < Om < 1.0) and (0.0 < OL0 < 1.0) and (-21.0 < M < -18.0): log_prior_Om = -0.5 * ((Om - 0.315) / 0.01) ** 2 return log_prior_Om return -np.inf # 🌟 引数に cov ではなく、事前分解済みの cho_factor_cov を渡すように変更 def log_likelihood(theta, z, mb_obs, cho_factor_cov, z_max): H0, Om, OL0, M = theta if not (-2.0 < (1.0 - Om - OL0) < 2.0): return -np.inf z_grid, dL_grid = get_luminosity_distance_interpolator(z_max, H0, Om, OL0) mb_theo = model_mb_fast(z, z_grid, dL_grid, M) delta = mb_obs - mb_theo try: # 🌟 np.linalg.solve を全廃し、事前計算されたCholesky因子からO(N^2)で高速代入 inv_cov_delta = linalg.cho_solve(cho_factor_cov, delta) chi2 = np.dot(delta, inv_cov_delta) except Exception: return -np.inf return -0.5 * chi2 def log_probability(theta, z, mb_obs, cho_factor_cov, z_max): lp = log_prior(theta) if not np.isfinite(lp): return -np.inf return lp + log_likelihood(theta, z, mb_obs, cho_factor_cov, z_max) # ========================================== # 5. メイン実行ブロック # ========================================== if __name__ == "__main__": print("--- 1. Pantheon+SH0ES データの読み込み ---") df = pd.read_csv('Pantheon+SH0ES.dat', sep=r'\s+', comment='#') z_data = df['zHD'].values mb_data = df['m_b_corr'].values n_sn = len(z_data) z_max = np.max(z_data) print(f"読み込まれた超新星の数: {n_sn}") print("\n--- 2. 共分散行列データの読み込みと事前Cholesky分解 ---") try: raw_cov = np.loadtxt('Pantheon+SH0ES_STAT+SYS.cov') if len(raw_cov) == n_sn * n_sn + 1: raw_cov = raw_cov[1:] elif len(raw_cov) == n_sn * n_sn + 2: raw_cov = raw_cov[2:] cov_data = raw_cov.reshape(n_sn, n_sn) # 🌟【劇的改善】共分散行列をここで一度だけCholesky分解しておく print("共分散行列のCholesky分解を実行中...") cho_factor_cov = linalg.cho_factor(cov_data, lower=True) print("Cholesky分解が完了しました。") except Exception as e: print(f"エラー: 共分散行列の処理に失敗しました。 {e}") exit(1) print("\n--- 3. MCMCサンプリングの初期設定 ---") ndim = 4 nwalkers = 32 nsteps = 1000 initial_pos = np.array([73.5, 0.3, 0.8, -19.2]) pos = initial_pos + 1e-4 * np.random.randn(nwalkers, ndim) cores = cpu_count() print(f"検出されたCPUコア数: {cores}。競合を排除したマルチプロセス並列計算を開始します...") print(f"MCMCを開始します... (総サンプル数: {nwalkers * nsteps})") # cho_factor_cov を引数としてサンプラーに渡す with Pool(processes=cores) as pool: sampler = emcee.EnsembleSampler( nwalkers, ndim, log_probability, args=(z_data, mb_data, cho_factor_cov, z_max), pool=pool ) sampler.run_mcmc(pos, nsteps, progress=True) print("\n--- 3.5 推定結果（MCMCサンプル）の保存 ---") burn_in = 200 flat_samples = sampler.get_chain(discard=burn_in, flat=True) timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S") filename = f"mcmc_samples_AlgebraicLambdaIR_{timestamp}.npy" np.save(filename, flat_samples) print(f"厳密代数解のMCMCサンプルを '{filename}' として保存しました。") print("\n--- 4. 推定結果の解析 ---") labels = ["H0", "Omega_m", "OL0", "M"] results = {} # パーセンタイル計算のバグ修正（第2引数に明示的なリストを指定） for i in range(ndim): mcmc_percentiles = np.percentile(flat_samples[:, i], [16, 50, 84]) q = np.diff(mcmc_percentiles) results[labels[i]] = mcmc_percentiles[1] print(f"{labels[i]} = {mcmc_percentiles[1]:.4f} (-{q[0]:.4f}, +{q[1]:.4f})") Om_samples = flat_samples[:, 1] OL0_samples = flat_samples[:, 2] O_IR0_samples = 1.0 - Om_samples - OL0_samples mcmc_IR = np.percentile(O_IR0_samples, [16, 50, 84]) q_IR = np.diff(mcmc_IR) print(f"Omega_IR0 (現在の暗黒欠陥セクターの割合) = {mcmc_IR[1]:.4f} (-{q_IR[0]:.4f}, +{q_IR[1]:.4f})") print("\n--- 5. コーナープロットの描画と保存 ---") fig = corner.corner( flat_samples, labels=labels, truths=[results["H0"], results["Omega_m"], results["OL0"], results["M"]], quantiles=[0.16, 0.5, 0.84], show_titles=True, title_fmt=".3f" ) plot_filename = f"pantheon_shoes_algebraic_lambdaIR_{timestamp}.png" fig.savefig(plot_filename) print(f"結果のグラフを '{plot_filename}' として保存しました。") print("すべての処理が完了しました！") ``` --- **English Version:"" [Mitigating the Hubble Tension and Addressing the Cosmological Constant Problem with a Topological Dark Defect Model](https://talkwithgai.blogspot.com/2026/07/blog-post_05.html) **理論論文：** [10次元時空における破れた微分可能性としての時間：赤外テンソルの逆作用、時間的非対称性の創発、観測的特徴](https://talkwithgai.blogspot.com/2026/06/10_054515899.html) **続き：** [Λ+IR モデルの階層構造ノート（研究メモ）：π階層EFT仮説](https://talkwithgai.blogspot.com/2026/07/blog-post_08.html) **続き：** [Pantheon+ Type Ia Supernova に基づく光度距離残差の方向依存解析： Whitening 処理を用いた dipole 有意性と redshift 依存性の再評価](https://talkwithgai.blogspot.com/2026/07/blog-post_12.html)