Résumé - Un cadre bayésien pour l'association des sources des CRUHA et l'inférence des paramètres

Un cadre bayésien pour l'association des sources des CRUHA et l'inférence des paramètres

2025-07-10 15:38:51

{"Keito Watanabe","Anatoli Fedynitch","Francesca Capel","Hiroyuki Sagawa"}

{astro-ph.HE,astro-ph.IM}

L'article de Watanabe et al. présente un cadre bayésien pour associer les rayons cosmiques d'énergie ultrahaute (UHECR) à leurs sources potentielles et pour inférer les paramètres des sources. L'étude aborde les défis de l'identification des sources de UHECR en raison des déflexions magnétiques et des pertes de propagation, particulièrement fortes pour les noyaux. Les auteurs ont précédemment développé un modèle bayésien hiérarchique pour inférer les paramètres des sources de UHECR tout en tenant compte des effets de propagation dépendants de la masse. Cependant, ce modèle nécessitait des hypothèses sur la composition d'arrivée qui devait se situer dans un groupe de masse prédéfini, limitant ainsi son application directe aux données observatoires. Dans cette œuvre, les auteurs relaxent cette hypothèse en intégrant explicitement la moyenne et la variance de la distribution logarithmique de la masse (ln A) mesurée à la Terre. Le cadre utilise les moments d'énergie et de masse de ln A pour inférer les paramètres des sources, y compris la composition en masse à la source. Les auteurs démontrent les performances du modèle en utilisant des ensembles de données simulés basés sur l'Observatoire Pierre Auger et le Projet du Réseau de Télescopes. Le modèle peut être appliqué sans difficulté aux données disponibles actuellement, et les auteurs discutent des implications de leurs résultats pour l'identification des sources de UHECR. Le modèle est basé sur un cadre bayésien hiérarchique, où les antécédents sont définis pour les paramètres de source tels que la luminosité et les indices spectraux, ainsi que les fractions massives des UHECR à la source. L'inférence est effectuée en utilisant le langage de programmation probabiliste stan, qui effectue des échantillonnages par chaîne de Markov Monte Carlo (MCMC) via l'algorithme de Monte Carlo Hamiltonien (HMC) pour obtenir directement les distributions postérieures des paramètres du modèle. Les auteurs utilisent le code de propagation nucléaire PriNCe pour décrire les effets de propagation dépendants de la masse. Ils modélisent les UHECR émis à partir de la source et des sources d'arrière-plan séparément, en tenant compte des sources ponctuelles et des injections continues à partir d'un arrière-plan homogène. Le modèle forward intègre les réponses des détecteurs, en tenant compte à la fois des incertitudes statistiques et systématiques. Les auteurs appliquent le modèle à des ensembles de données simulés basés sur les configurations des détecteurs d'Auger et de TA. Ils récupèrent les paramètres de source réels dans les intervalles d'incertitude de 2σ inférés pour tous les paramètres de source inférés. Les résultats montrent que le cadre reconstruit de manière fiable les paramètres de source réels à chaque étape du processus de modélisation. Les auteurs concluent que le cadre bayésien combine efficacement les énergies individuelles des événements et les données de composition en masse moyennées et binées pour inférer les propriétés des sources de UHECR. L'intégration des informations spatiales et des mesures de masse événement par événement est attendue pour améliorer considérablement les contraintes sur les paramètres des sources. Les auteurs prévoient d'intégrer ce modèle de déflexion au cadre actuel et d'appliquer cette approche étendue aux données publiques disponibles d'Auger et de TA.