BeeTheory – Grundläggande – Teknisk anvisning XI
Identifiera den saknade parametern:
Steg 1 – Systematisk korrelationsanalys
Innan modellen modifieras, diagnostiseras i denna not vilken observerbar parameter som bäst förutsäger det kvarstående felet. Genom att arbeta med kalibreringsuppsättningen med 22 galaxer i not VIII testar vi korrelationen mellan prediktionsfelet och varje fysiskt meningsfull variabel, sedan med varje bivariat kombination, för att noggrant identifiera vad den nuvarande modellen har utelämnat.
1. Resultatet först
Den parameter som saknas är den centrala ytdensiteten
Den centrala baryoniska ytdensiteten $\Sigma_d$ har den starkaste icke-triviala korrelationen med prediktionsfelet: $r = +0,62$, $R^2 = 0,39$ på egen hand.
Genom att kombinera $\Sigma_d$ med diskstorleken $R_d$ i en bivariat modell förklaras $R^2 = 0,43$ av restvariansen, jämfört med $R^2 = 0,07$ med enbart $R_d$. RMS-residualen sjunker från $19,5 % till $14,9 %.
Efter att ha absorberat både $R_d$ och $\Sigma_d$ finns det ingen ytterligare fysisk observabel som bär information om residualen.
2. Metod
Genom att arbeta med kalibreringsuppsättningen på 22 galaxer (not VIII) har vi för varje galax prediktionsfelet $text{err} = (V_text{tot} – V_f)/V_f$ och en lista över mätbara fysikaliska parametrar. Vi beräknar Pearson- och Spearman-korrelationerna mellan felet och varje kandidatvariabel och testar sedan bivariata regressioner av formen:
$$\text{err}(\%) \;=\; a \cdot R_d \;+\; b \cdot X \;+\; c$$$
där $X$ är varje kandidatvariabel. Den bästa $X$ är den som maximerar den förklarade variansen $R^2$ för de 22 galaxerna. Självreferentiella variabler – de som härrör från modellutdata, som $V_\text{wave}$ eller $V_\text{tot}$ – utesluts från sökningen, eftersom deras korrelation med felet är tautologisk.
3. Univariata korrelationer
De 24 testade kandidatvariablerna, rangordnade efter absolut Pearson-korrelation med felet. Rader som är skuggade i guld är variabler som härrör från själva modellen (tautologiska); rader som är skuggade i rött är äkta fysiska observabler med $|r| > 0,5$.
| Variabel | Beskrivning | Pearson $r$ | $p$-värde | Betydelse |
|---|---|---|---|---|
| Vw_over_Vf | Vw / Vf-förhållande | +0.974 | 0.0000 | ★★★ |
| V_dynamisk | V_dyn = √(GM_bar/Rd) | +0.632 | 0.0021 | ★★★ |
| log_Sigma_d | log₁₀(Σ_d) | +0.622 | 0.0026 | ★★★ |
| M_gas | Gasmassa (M_sun) | +0.609 | 0.0034 | ★★★ |
| M_HI | HI-massa (M_sun) | +0.609 | 0.0034 | ★★★ |
| T | Hubble-typ | -0.585 | 0.0053 | ★★ |
| Vbar | Baryonisk Vbar (km/s) | +0.582 | 0.0057 | ★★ |
| M_bar_över_Rd2 | M_bar / Rd² | +0.559 | 0.0084 | ★★ |
| Vtot | Förväntad Vtot (km/s) | +0.555 | 0.0090 | ★★ |
| Vw | Våg Vw (km/s) | +0.550 | 0.0098 | ★★ |
| Vbar_över_Vf | Vbar / Vf-förhållande | +0.519 | 0.0158 | ★★ |
| logg_M_gas | log₁₀(M_gas) | +0.506 | 0.0193 | ★★ |
| log_M_bar | log₁₀(M_bar) | +0.505 | 0.0196 | ★★ |
| M_bar | Baryonisk massa (M_sun) | +0.498 | 0.0214 | ★★ |
| log_M_star | log₁₀(M_star) | +0.449 | 0.0414 | ★★ |
| Sigma_d | Ytdensitet (L/pc²) | +0.426 | 0.0544 | ★★ |
| M_stjärna_över_Rd2 | M_star / Rd² | +0.426 | 0.0544 | ★★ |
| M_star | Stjärnans massa (M_sun) | +0.389 | 0.0815 | ★ |
Läsning av tabellen
Den enskilt högsta korrelationen är $V_\text{wave}/V_f = +0,974$. Detta är tautologiskt: genom konstruktionen skalar felet direkt med $V_\text{wave}$, så denna variabel återspeglar helt enkelt strukturen i prediktionsformeln, inte en extern fysisk drivkraft.
Bland de äkta fysiska observablerna är de högsta korrelationerna $\log(\Sigma_d) = +0,622$, $V_\text{dynamisk} = +0,632$, $M_\text{gas} = +0,609$ och Hubble-typen $T = -0,585$. Dessa fyra signaler är fysiskt kopplade: täta skivor tenderar att vara mer massiva, av tidigare typ och ha högre baryonisk dynamisk hastighet. Frågan är vilken som är den grundläggande drivkraften.
4. Filtrera bort de överflödiga variablerna
Flera av de högst korrelerade variablerna är i sig starkt korrelerade med $R_d$, den variabel som man redan vet driver felet. Frågan är vilken som bär på oberoende information.
| Variabel | Korrelation med $R_d$. | Status |
|---|---|---|
| $\log(M_\star) $\log(M_\star) | $r = +0.88$ | Överflödig med $R_d$ |
| $\log(M_\text{bar})$ $\log(M_\text{bar}) | $r = +0.87$ | Överflödig med $R_d$ |
| $\log(M_\text{gas}) $\log(M_\text{gas}) | $r = +0.86$ | Överflödig med $R_d$ |
| Hubble typ $T$ | $r = -0.66$ | Delvis överflödig |
| $V_\text{dynamisk}$$ | $r = +0.50$ | Delvis oberoende |
| $M_\text{bar}/R_d^2$$ | $r = -0.19$ | Oberoende |
| $\log(\Sigma_d)$ $. | $r = +0.10$ | Oberoende |
Massorna korrelerar med $R_d$ nästan perfekt: en större skiva innehåller helt enkelt mer baryoniskt material. Dessa variabler innehåller därför i stort sett samma information som $R_d$ själv. Däremot är $\Sigma_d$ (central ytdensitet) och $M_\text{bar}/R_d^2$ (genomsnittlig baryonisk ytdensitet) nästan ortogonala till $R_d$ i detta urval: de fångar den strukturella egenskapen ”hur kompakt materian är”, oberoende av ”hur utbredd skivan är”.
5. Fel kontra ytdensitet – visualisering
Plottar felet mot enbart $\log_{10}(\Sigma_d)$, färgat efter Hubble-typ:
Trenden är tydlig och monoton: galaxer med högre central ytdensitet överskattas systematiskt av BeeTheory, medan diffusa diskar med låg densitet underskattas. Anpassningens lutning på 33 $ procentenheter per decennium av $\Sigma_d$ matchar data på ett robust sätt över hela intervallet från 15 till 605 $L_\odot/\text{pc}^2$.
6. Bivariata modeller – jämförelse
Genom att lägga till $R_d$ till varje kandidatvariabel får man en tydligare rangordning. Tabellen nedan visar den förklarade variansen $R^2$ när $R_d$ paras ihop med varje andra variabel (tautologiska kombinationer uteslutna):
| Bivariat modell | $R^2$ | RMS restvärde | Anteckningar |
|---|---|---|---|
| $\text{err} = a R_d + c$ (univariat baslinje) | 0.074 | $19.5\%$ | Referens, ingen andra variabel |
| $\text{err} = a R_d + b f_\text{gas} + c$ | 0.101 | $19.3\%$ | Försumbar förbättring |
| $\text{err} = a R_d + b \log M_\star + c$$ | 0.272 | $17.3\%$ | – |
| $\text{err} = a R_d + b V_\text{bar} + c$ | 0.345 | $16.4\%$ | – |
| $\text{err} = a R_d + b \log M_\text{gas} + c$ | 0.359 | $16.3\%$ | – |
| $\text{err} = a R_d + b T + c$$. | 0.367 | $16.2\%$ | – |
| $\text{err} = a R_d + b \log M_\text{bar} + c$ | 0.373 | $16.1\%$ | – |
| $\text{err} = a R_d + b\,V_\text{dynamisk} + c$$. | 0.402 | $15.7\%$ | Stark |
| $\text{err} = a R_d + b \log\Sigma_d + c$$. | 0.430 | $15.3\%$ | Oberoende av $R_d$. |
| $\text{err} = a R_d + b (M_\text{bar}/R_d^2) + c$$ | 0.459 | $14.9\%$ | Bästa icke-tautologiska modell |
Den bästa bivariata modellen
$$\text{err}(\%) \;=\; a\,R_d \;+\; b\,\frac{M_\text{bar}}{R_d^2} \;+\; c, \qquad R^2 = 0,46$$$
Variabeln $M_\text{bar}/R_d^2$ är skivans genomsnittliga baryoniska yttäthet, $\langle \Sigma_\text{bar} \rangle = M_\text{bar}/(\pi R_d^2)$. Den innehåller information om hur kompakt den synliga materian är, oberoende av hur stor skivan är. Detta är den variabel som BeeTheory för närvarande inte lyckas ta hänsyn till.
7. Closure check – vad återstår efter att $R_d$ och $\Sigma_d$ har räknats in
Om $R_d$ och $\log \Sigma_d$ tillsammans fångar den strukturella defekten, bör residualen av den bivariata anpassningen vara okorrelerad med varje fysisk observabel. Att testa detta är den formella stängningskontrollen:
| Variabel | Korrelation med residual | Status |
|---|---|---|
| $R_d$ | $+0.00$ | Genom konstruktion |
| $\log \Sigma_d$ | $+0.00$ | Genom konstruktion |
| $\log M_\star$ | $-0.05$ | Absorberad |
| $\log M_\text{bar}$ | $+0.07$ | Absorberad |
| $\log M_\text{gas}$ | $+0.14$ | Absorberad |
| Hubble typ $T$ | $-0.04$ | Absorberad |
| $V_\text{dynamisk}$$ | $+0.08$ | Absorberad |
| $V_\text{bar}$$ | $+0.05$ | Absorberad |
| $f_\text{gas}$ | $+0.28$ | Marginell; under signifikans |
Efter att ha tagit hänsyn till $R_d$ och $\log \Sigma_d$ finns det ingen fysisk observerbar variabel som har kvar en signifikant korrelation med restfelet. Den strukturella informationen i felet har till fullo fångats upp av dessa två variabler. Den återstående RMS-spridningen på $15%$ överensstämmer med observationsosäkerheten för SPARC-ingångsparametrarna och med den inneboende variabiliteten från galax till galax som inte fångas upp av någon av dessa aggregerade deskriptorer.
8. Fysisk tolkning
Den nuvarande BeeTheory-modellen använder diskens skalängd $R_d$ på två ställen: som den rumsliga skalan för baryonfördelningen (den exponentiella profilen $Sigma propto e^{-R/R_d}$) och som vågkärnans koherenslängd ($ell = c_text{disk},R_d$). Amplituden för den baryoniska profilen $\Sigma_0$ är implicit, skalad för att ge rätt stjärnmassa när den integrerats.
Vad ytdensitet representerar fysiskt
Den genomsnittliga baryoniska yttätheten $langle Sigma_text{bar} rangle = M_text{bar}/(pi R_d^2)$ är massan per ytenhet av skivan. Två galaxer med samma $R_d$ men olika $\Sigma_d$ har samma geometriska utbredning men olika mängder materia packad i dem. Den nuvarande modellen behandlar endast den geometriska utbredningen ($R_d$) som relevant för vågkoherenslängden och ignorerar hur koncentrerad materian är. Detta är just den parameter som restanalysen identifierar som saknad.
Effektens riktning
Korrelationen är positiv: felet växer med ytdensiteten. Detta innebär att för fasta $R_d$ överpredikteras tätare skivor av modellen – vågfältet är för starkt i förhållande till rotationskurvan. Omvänt, för en given $R_d$, underpredikterar modellen diffusa skivor med låg densitet. En rimlig fysikalisk tolkning: vågkoherenslängden bör inte bara bero på källans geometriska utbredning utan också på dess koncentration, där tätare materia ger en mer lokal vågrespons. Detta skulle naturligtvis undertrycka vågfältsamplituden i diskar med högt $\Sigma$ och öka den i diskar med lågt $\Sigma$.
9. Sammanfattning av steg 1
1. I kalibreringsuppsättningen med 22 galaxer korrelerar prediktionsfelet starkast med den centrala ytdensiteten $\Sigma_d$ ($r = +0,62$) bland verkliga fysiska observabler.
2. Andra variabler som initialt verkar vara starkt korrelerade (stjärnmassa, gasmassa, baryonisk massa) visar sig vara mycket redundanta med $R_d$ (korrelationer $\geq 0,86$ med $R_d$) och innehåller därför lite ny information.
3. Den bästa icke-tautologiska bivariata modellen är $\text{err} = a\,R_d + b\,(M_\text{bar}/R_d^2) + c$, med $R^2 = 0,46$ och RMS-residual $14,9\%$$. Den andra variabeln är skivans genomsnittliga baryoniska ytdensitet.
4. Efter att ha tagit hänsyn till $R_d$ och $\Sigma_d$ har ingen annan observerbar variabel kvar en signifikant korrelation med residualen. Diagnosen är stängd.
5. Den saknade parametern har identifierats: den nuvarande BeeTheory-modellen tar hänsyn till den geometriska omfattningen av baryonfördelningen ($R_d$) men inte till dess yttäthet ($\Sigma_d$). Nästa steg är att införliva $\Sigma_d$ som en andra inmatning till vågkoherenslängden och sedan återanvända modellen på 22-galaxuppsättningen.
Referenser. Lelli, F., McGaugh, S. S., Schombert, J. M. – SPARC: Mass Models for 175 Disk Galaxies with Spitzer Photometry and Accurate Rotation Curves, AJ 152, 157 (2016). – Pearson, K. – Matematiska bidrag till evolutionsteorin III, Phil. Trans. R. Soc. A 187, 253 (1896). Korrelationskoefficient. – Dutertre, X. – Bee Theory™: Vågbaserad modellering av gravitationen, v2, BeeTheory.com (2023).
BeeTheory.com – Vågbaserad kvantgravitation – Diagnostiskt steg 1 – © Technoplane S.A.S. 2026