蜜蜂理论 – 基础 – 技术说明 XXVI2026 年 3 月 19 日与克劳德
117 个星系的完整样本 – 盲法应用
修正后的蜜蜂理论(BeeTheory)框架,其两个参数$(\ell_0, \lambda)$被冻结在23个星系的校准值上(注释二十五),无需进一步拟合,就被应用于全部SPARC样本加上银河系–总共117个星系。其中有 94 个完全是盲区:它们从未被用来设置、调整或检查任何参数。结果是对该理论在不同星系类型、质量和尺度上的普遍性进行了一次真正的样本外检验。
1.第一项结果
冻结参数:$ell_0 = 0.31$ kpc,$\lambda = 1.95$
所有117个星系:中位数 $|\text{err}| = 20.4\%$, 平均符号误差 $= +18.1/%$。
从未用于校准的94个盲星系:中位数 $|text{err}| = 20.6\%$, 平均符号误差 $= +12.0/%$。
覆盖阈值50%在20%以内,68%在30%以内,85%在50%以内。
样本外的信号泛化
盲样本(94 个从未见过的星系)达到了与校准样本(中位数为 18.1 美元)相同的精度(中位数为 20.6 美元)。这是迄今为止最有力的证据,表明蜜蜂理论框架捕捉到了真实的物理现象,而不是过度拟合 23 个星系的训练集:尽管参数被严格固定,样本外的性能并没有崩溃。
2.方法–“盲目 “在这里的含义
这 117 个星系按其在校准中的作用分为三组:
| 组别 | N | 角色 | 用于设置参数? |
|---|---|---|---|
| 银河 | 1 | 锚(盖亚 2024 旋转曲线) | 有(单独注 XXIV、联合注 XXV) |
| 口径 | 22 | 校准装置 | 是(注 XXV 接头配合) |
| 盲点(94 SPARC) | 94 | 测试装置 | 否 – 校准过程中从未见过 |
每个星系的输入参数都是标准结构量:哈勃类型 $T$,盘尺度 $R_d$,中心表面密度 $\Sigma_d$,中性氢质量 $M_{text/{HI}}$,以及观测到的平速度 $V_f$。根据这些数据,可以构建出四个重子成分(凸起、圆盘、气体、臂),与之前的注释完全相同。波场计算使用的是修正后的内核:
$$\mathcal{K}(D) \;=\; \frac{1}{4\pi\,\ell_0^2}\cdot \frac{e^{-D/\ell_0}}{D}, \qquad \ell_0 = 0.31 \text{ kpc}, \quad \lambda = 1.95$$
预测误差是在 $R = 5\,R_d$ 时计算的,在这里通常观测到的旋转曲线是平坦的:$\text{err} = (V_\text{tot}^\text{pred}(5R_d) – V_f^text{obs})/V_f^\text{obs}$ 。
3.图 1 – 误差分布柱状图
按校准组叠加的 117 个星系的符号预测误差分布:
读取分布
大部分星系的误差在 $-20\%$ 和 $+40\%$ 之间。峰值大约在 $+5\%$ 到 $+15/%$之间,略微大于零。少数星系的右侧尾部延伸到了+100%$(银河系就是其中之一,为+78%$);左侧尾部较短,但对于预测最不足的矮星系来说,达到了50%$。直方图不是高斯分布的–有一个结构性的正偏斜,与注释 XXV 中的残差模式一致。
4.图 2 – 累积精度曲线
在给定绝对误差阈值内的星系比例:
| 阈值 $|\text{err}|$ | CALIB (22) | 盲人 (94) | 全部 (117) |
|---|---|---|---|
| $< 10\%$ | $32\%$ | $28\%$ | $29\%$ |
| $< 20\%$ | $55\%$ | $49\%$ | $50\%$ |
| $< 30\%$ | $82\%$ | $65\%$ | $68\%$ |
| $< 50\%$ | $91\%$ | $83\%$ | $85\%$ |
| $< 80\%$ | $100\%$ | $98\%$ | $98\%$ |
盲样跟踪校准样
这两条曲线在低于 40%$ 误差的情况下几乎没有区别。这是真正的样本外泛化的最明显的标志:模型在它从未见过的星系上的表现,几乎与在它被校准过的星系上的表现一样好。传统的过拟合模型会在两条曲线之间显示出明显的差距;而在这里,差距最多只有 5 美元-10 美元的百分点。
5.图 3 – 误差与磁盘刻度
117 个星系中每个星系的误差,与圆盘尺度 $R_d$ 的关系图,按哈勃类型着色,按校准组排列(CALIB 和 MW 为圆形,BLIND 为方形):
更大样本上的 Rd 结构
注释 XI 和 XXV 中确定的结构相关性现在可以在 117$ 个星系上看到。R_d < 1$ kpc的星系(紧凑矮星系)聚集在零点及零点以下–许多预测值略低。1 < R_d < 3$ kpc的星系(中等大小的螺旋星系)在绿色带附近分布均匀。R_d > 3$ kpc的星系倾向于正误差;一些大质量晚期螺旋星系的误差达到了+50$到+100%$。
银河系($R_d = 2.6$时的绿色圆圈,err $= +78\%$)是一个突出的正离群值–它的$\Sigma_d$远远高于这个$R_d$的SPARC星系的平均值,这与注释XI中的表面密度假说是一致的。
6.按哈勃类型分列
| 哈勃级 | $T$ 范围 | N | 中位数 $|\text{err}|$ | 平均签名 |
|---|---|---|---|---|
| 透镜和早期 | $T = 0\text{-}2$ | $4$ | $34.2\%$ | $+7.4\%$ |
| Sb-Sbc | $T = 3\text{-}4$ | $25$ | $18.3\%$ | $+17.0\%$ |
| Sc-Scd | $T = 5\text{-}7$ | $37$ | $24.0\%$ | $+17.7\%$ |
| Sd-Im(矮星和晚星) | $T = 8\text{-}10$ | $51$ | $18.3\%$ | $+19.8\%$ |
7.这意味着什么
7.1 模型捕捉真实信号
在 23 美元星系校准参数冻结的情况下,盲样本的中位精度达到了 20.6% 美元。如果一个理论仅仅是过度拟合训练集,那么它在 94 美元星系盲样本集上的准确度就会下降 2 倍或更多。这里的退化是从 18 美元(CALIB)到 21 美元(BLIND)–三个百分点。这是一个捕捉到真正物理的模型的预期行为。
7.2 其余误差结构可识别
$+18\%$正偏差以及与$R_d$的相关性并不是随机的;它们反映了普遍的$(\ell_0, \lambda)$假设。图3中可见的模式–大$R_d$星系预测过高,小$R_d$星系预测过低–直接表明了下一步改进的形式:相干长度必须取决于当地重子密度。这已经是注释 XI 和注释 XXV 提出的建议;117 美元星系样本在更大的统计基础上证实了这一点。
7.3 MW 是指向同一方向的异常现象
银河系的预测值为 $+78\%$,是被高估最多的单个星系。它的$\Sigma_d \sim 600\,M_\odot/\text{pc}^2$ ($\Upsilon_\star = 0.5$,相当于SPARC尺度)是样本中最高的十分之一。与密度相关的 $\ell_0$ 会自然而然地抑制这样一个高密度磁盘中的波场,从而使 MW 误差趋于零。事实上,单独的 MW(注 XXIV)拟合值为 $\ell_0 = 0.51$ kpc,$\lambda = 1.02$–相干长度比全局拟合值长 40%$,耦合度比全局拟合值小 50%$–与这一解释是一致的。
8.摘要
1.蜜蜂理论(BeeTheory)框架的校正核和参数$\ell_0 = 0.31$ kpc,$\lambda = 1.95$(从注释 XXV 中冻结)被应用到 117 个星系上,没有做任何进一步的拟合。
2.其中 94 个是盲点:它们从未用于任何校准步骤。
3.全球绩效:中位数 $|\text{err}| = 20.4\%$, $50\%$ within $20\%$, $68\%$ within $30\%$, $85\%$ within $50\%$.
4.盲样本(94 个星系):中位数 $|\text{err}| = 20.6\%$ ,平均符号为 $+12\%$ – 与校准集(中位数 $18.1/%$)的精度基本相同。该模型具有普适性。
5.银河系是被高估最多的单个星系(+78\%$),这与其异常高的表面密度是一致的。
6.残余误差结构与 $R_d$ 相关,并间接与 $\Sigma_d$ 相关,在 117$ 银河系统计基础上证实了注 XI 在较小的 CALIB 样本上所确定的结果。
7.显然,下一步是引入与密度相关的相干长度 $\ell_0(\Sigma_d)$ – 这是能够消除图 3 中可见的残余结构的最简单的物理修改。
参考文献Lelli,F.、McGaugh,S.S.、Schombert,J.M. –SPARC:利用斯皮策测光和精确旋转曲线建立的175个盘状星系质量模型,AJ 152,157 (2016)。- Ou, X. et al. –The dark matter profile of the Milky Way, MNRAS 528, 693 (2024).- McGaugh, S. S. – 银河旋转第三定律,《星系》2, 601 (2014).- Dutertre, X. –Bee Theory™:基于波的引力建模,v2,BeeTheory.com (2023).
BeeTheory.com – 波基量子引力 – 117 个星系失明 – © Technoplane S.A.S. 2026