はじめに
XRISM/Resolve のエネルギー分解能を表すとき、しばしば「約 5 eV」という言い方をします。
下記の記事など参照
しかし、Resolve の応答を作る RMF では、エネルギー分解能は完全な定数ではありません。高エネルギー側に進むと、絶対的なエネルギー分解能は少しずつ大きくなります。
ここで、素朴な疑問が生じます。
X線マイクロカロリメータは、入射X線のエネルギーを熱として測る原理では？
高いエネルギーほど温度上昇が大きく、信号対雑音比はむしろ良くなりそうなのに、なぜ FWHM は悪化するのか？
この疑問に対する答えは、Leutenegger et al. (2025) の Figure 3 に非常に明瞭に示されています。
Leutenegger et al. (2025) の Figure 3 の https://doi.org/10.1117/1.JATIS.11.4.042024
左パネル（a）：ピクセル35について、HRイベントで測定された余剰広がりをエネルギーの関数として示し、最適フィットした線形モデルを重ねています。この関数は、定義上、切片がゼロとなるように制約されています。
右パネル（b）：典型的なベースラインFWHMエネルギー分解能を用いて評価した、対応するモデルFWHMエネルギー分解能（赤線）を、実測されたFWHMエネルギー分解能（赤点）と比較しています。黒線および黒点は、${}^{55}\mathrm{Fe}$ 照射による軌道上較正の結果を示しています。
重要なのは、Resolve のエネルギー分解能を、
- エネルギーにほとんど依存しない baseline resolution
- エネルギーに比例して増える excess broadening
に分けて考えることです。
本記事では、Figure 3 を単に紹介するのではなく、「なぜそのように分けるのか」「なぜ一方は一定で、もう一方はエネルギーに比例するのか」を順に考えます。
先に結論
Resolve の Gaussian core の FWHM は、次の式でよく表されます。
R(E)
=
\sqrt{
R_{\mathrm{B}}^2
+
\left(C_{\mathrm{x}}E\right)^2
}
ここで、
- $R(E)$ は光子エネルギー $E$ における FWHM
- $R_{\mathrm{B}}$ は baseline FWHM resolution
- $C_{\mathrm{x}}$ は excess broadening coefficient
- $C_{\mathrm{x}}E$ はエネルギーに比例する excess FWHM
です。
では、なぜこの式なのでしょうか？
baseline resolution は、主として加算的な温度揺らぎや電気雑音をエネルギーに換算したものです。小信号近似が成り立つ範囲では、この寄与は絶対エネルギー単位でほぼ一定になります。
一方、吸収体内での熱化効率やパルス形状にイベントごとの微小な「割合のばらつき」があると、その誤差は入射エネルギーに比例します。1 keV の 0.01% は $0.1~\mathrm{eV}$ ですが、10 keV の 0.01% は $1~\mathrm{eV}$ です。
したがって、高エネルギー側では $C_{\mathrm{x}}E$ が効き始め、絶対的な FWHM が増加します。
簡単なまとめ
理想的なマイクロカロリメータではどうなるのか？
まず、理想的な場合を考えます。
入射X線のエネルギー $E$ がすべて吸収体と温度計の熱エネルギーになり、熱容量を $C$ とすれば、温度上昇はおおよそ
\Delta T
=
\frac{E}{C}
です。
高エネルギーの光子ほど $\Delta T$ が大きくなります。それなら、高エネルギー側で測定が難しくなる理由はないように見えます。
ここで大切なのは、「信号が大きくなること」と「イベントごとの測定値のばらつきが小さくなること」は同じではない、という点です。
読出し系に一定振幅の雑音 $\delta T_{\mathrm{noise}}$ が加わるだけなら、
\delta E_{\mathrm{noise}}
=
C\,\delta T_{\mathrm{noise}}
です。この誤差は入射エネルギー $E$ に直接比例しません。そのため、理想的なカロリメータでは、絶対エネルギー分解能はダイナミックレンジ内でほぼ一定になります。
半導体検出器でよく現れる、生成キャリア数の統計による $\sqrt{E}$ 型の分解能とは、出発点が異なります。Resolve の高エネルギー側の broadening を、まず Fano 統計のようなものだと考えるのは適切ではありません。
それでも実測の FWHM が増えるのは、一定振幅の加算的雑音とは別に、信号そのものに対する fractional variation が存在するからです。
Figure 3 は何を示しているのか？
Leutenegger et al. (2025) の Figure 3 は、pixel 35 の high-resolution event を例に、エネルギー分解能を二段階に分けて示しています。
左図は excess broadening だけを取り出している
左図の縦軸は、測定された FWHM そのものではありません。baseline resolution を二乗差で取り除いた excess FWHM です。
あるエネルギーで測定された FWHM を $R(E)$、同じ測定条件で得た baseline FWHM を $R_{\mathrm{B}}$ とすれば、
R_{\mathrm{E}}(E)
=
\sqrt{
R(E)^2
-
R_{\mathrm{B}}^2
}
です。
Figure 3(a) では、この $R_{\mathrm{E}}(E)$ がエネルギーに対してほぼ直線的に増えています。
R_{\mathrm{E}}(E)
=
C_{\mathrm{x}}E
切片は 0 に固定されています。なぜなら、$E=0$ で光子信号そのものが存在しなければ、光子エネルギーに比例する broadening も 0 になるはずだからです。
もちろん、これは単に「原点を通る直線を描いたら合った」というだけではありません。4.5 から 11.4 keV の monochromator 測定に加え、約 14.9、17.4、22.1 keV の蛍光線でもモデルとの整合性が確認されています。
右図は実際に観測される FWHM を示している
Figure 3(b) の右図は、baseline と excess broadening を再び二乗和したものです。
R(E)
=
\sqrt{
R_{\mathrm{B}}^2
+
R_{\mathrm{E}}(E)^2
}
ここで、なぜ単純な足し算ではなく二乗和なのでしょうか？
baseline broadening と excess broadening を独立な Gaussian 幅として近似するなら、加算されるのは FWHM そのものではなく分散です。Gaussian では FWHM と標準偏差が一定比なので、FWHM についても二乗和の形を使えます。
\sigma_{\mathrm{tot}}^2
=
\sigma_{\mathrm{B}}^2
+
\sigma_{\mathrm{E}}^2
したがって、
R_{\mathrm{tot}}^2
=
R_{\mathrm{B}}^2
+
R_{\mathrm{E}}^2
です。
低エネルギー側では $R_{\mathrm{B}}$ が支配的なので、FWHM はほぼ一定です。高エネルギー側では $C_{\mathrm{x}}E$ が大きくなり、FWHM が徐々に増加します。
Figure 3(b) の曲線が直線ではなく、緩やかに上向きに曲がっているのは、この二乗和のためです。
baseline event とは何を測っているのか？
ここで、baseline resolution はどのように測るのでしょうか？
Resolve の pulse shape processor (PSP) は、X線パルスが存在しないデータ区間についても、パルスがあった場合と同じように digital filter を適用した baseline event を記録できます。
光子が入っていないのに、filter が返す pulse height は完全には 0 になりません。温度揺らぎ、熱浴とのエネルギー交換、JFET と室温回路の雑音、機械式冷凍機などからの干渉があるためです。その pulse-height 分布の幅をエネルギー単位に換算したものが、baseline resolution です。(最適化フィルタは正負を含む(積分すると0に規格化することも多い)ので、正定値ではなく、0近辺にがうす分布的にばらつきます。)
したがって、baseline event は「0 eV の単色X線」を測っていると考えると分かりやすくなります。
これは単なる比喩ではありません。Figure 2 では、pixel 35 の baseline event が $3.55\pm0.04~\mathrm{eV}$ FWHM の Gaussian 分布を示しています。同じ条件で測った約 6.4 keV の Fe K$\alpha_1$ は、$4.16\pm0.03~\mathrm{eV}$ FWHM です。
実際のX線線幅の方が広いという事実は、baseline noise だけでは説明できない broadening が存在することを示しています。
pixel 35 の数値から excess broadening を求める
Figure 2 の数値を使って、6.4 keV における excess broadening を概算してみます。
R_{\mathrm{B}}
=
3.55~\mathrm{eV}
R(6.4~\mathrm{keV})
=
4.16~\mathrm{eV}
したがって、
R_{\mathrm{E}}
=
\sqrt{
\left(4.16~\mathrm{eV}\right)^2
-
\left(3.55~\mathrm{eV}\right)^2
}
\simeq
2.17~\mathrm{eV}
です。
Fe K$\alpha_1$ のエネルギー $E=6403.84~\mathrm{eV}$ を用いて、一点だけから $C_{\mathrm{x}}$ を概算すると、
C_{\mathrm{x}}
\simeq
\frac{2.17~\mathrm{eV}}{6403.84~\mathrm{eV}}
\simeq
3.4\times10^{-4}
です。
これは「入射エネルギーに対する FWHM の割合が、数 $10^{-4}$ 程度」という意味です。非常に小さな割合ですが、baseline resolution が数 eV まで小さくなると無視できません。
ただし、この値は Figure 2 の一つのエネルギーから求めた概算です。論文の正式な $C_{\mathrm{x}}$ は、Figure 3(a) の複数エネルギーの測定を同時に fit して決められています。一点から求めた値と best-fit coefficient を同一視してはいけません。
なぜ excess broadening はエネルギーに比例するのか？
では、$C_{\mathrm{x}}E$ の物理的意味を考えます。
入射エネルギーのうち、測定される熱として現れる割合がイベントごとにわずかに異なるとします。X線が吸収された位置を $\boldsymbol{r}$、測定されないエネルギーの割合を $\eta(\boldsymbol{r})$ とすれば、
E_{\mathrm{meas}}(\boldsymbol{r})
=
\left[
1-\eta(\boldsymbol{r})
\right]E
です。
$\eta$ の平均値は gain calibration に吸収できます。問題になるのは、イベントごとのばらつき $\delta\eta$ です。
\delta E_{\mathrm{meas}}
\simeq
E\,\delta\eta
つまり、同じ fractional variation が存在する限り、eV 単位の幅は $E$ に比例します。
Gaussian core の fractional variation の標準偏差を $\sigma_{\eta}$ とすれば、
C_{\mathrm{x}}
\simeq
2\sqrt{2\ln2}\,\sigma_{\eta}
\simeq
2.355\,\sigma_{\eta}
です。
一点から概算した $C_{\mathrm{x}}\simeq3.4\times10^{-4}$ をそのまま使えば、
\sigma_{\eta}
\sim
1.4\times10^{-4}
程度です。
すなわち、イベントごとの応答の違いは 0.01% 程度でも、Resolve のように baseline resolution が数 eV しかない検出器では、観測可能な broadening になります。
thermalization noise とは本当にノイズなのか？
Porter et al. (2025) の energy-resolution budget では、この項は Excess broadening (thermalization noise) と呼ばれています。
しかし、「thermalization noise」という名称には注意が必要です。
普通の電気雑音のように、時系列上にランダムな電圧揺らぎが加わっているとは限りません。むしろ、
- X線の吸収位置によって熱拡散の時間が少し異なる
- 吸収体から温度計へ熱が届く経路が少し異なる
- 局所的な trapping やエネルギー損失が存在する
- パルスの立ち上がりや形状が位置によって少し変わる
- 一つの平均パルスから作った optimal filter が、すべてのパルスに完全には一致しない
といったイベントごとの応答差が、最終的に line width として現れている可能性があります。
例えば、吸収位置によって pulse shape が異なるにもかかわらず、平均パルス形状から作った一つの filter で pulse height を推定するとどうなるでしょうか？
filter は「この形のパルスなら、この振幅である」という仮定を含んでいます。実際のパルス形状が少し違えば、同じエネルギーでも pulse height をわずかに過大評価または過小評価します。パルス全体の振幅は $E$ に比例するので、この推定誤差も一次近似では $E$ に比例します。
このような position-dependent pulse-shape effect が linear excess broadening を生むことは、Saab et al. (2006) でも詳しく議論されています。
「熱化できなかったエネルギー」が唯一の原因なのか？
ここは厳密には非自明です。
Leutenegger et al. は、エネルギーに比例する理由として、
吸収エネルギーの一部が熱にならず、その割合が吸収体内の位置によって変わる場合
を例に挙げています。
重要なのは、論文でも For example と書かれていることです。Figure 3 が直接証明しているのは、
R_{\mathrm{E}}(E)
\propto
E
という経験的な関係です。
Figure 3 だけから、
- 本当に熱へ変換されなかったエネルギーが支配的なのか
- 熱にはなったが、時間分布が異なるため filter が取りこぼしたのか
- HgTe 内部の局所的な trapping が効いているのか
- 吸収体と温度計の接続構造が効いているのか
- detector response の非線形性と template mismatch が混ざっているのか
を一意に決めることはできません。
「エネルギー比例の excess broadening が観測された」と「その微視的機構が完全に理解された」は別の主張です。この区別を残しておくことが、次の検出器開発や解析法改良につながります。
gain の非線形性とは別の問題
マイクロカロリメータの pulse height と光子エネルギーの関係は、完全な直線ではありません。
では、gain curve が非線形だから高エネルギー側で分解能が悪化するのでしょうか？
非線形性が毎回同じで、正確な gain curve が分かっていれば、それは単色線の中心位置を写像する問題です。平均的な非線形性だけでは、単色線を広げる理由になりません。
線幅を広げるためには、
- 同じエネルギーに対する応答がイベントごとに異なる
- gain が時間変化する
- pulse shape と filter の関係がエネルギーによって変わる
- gain correction が不完全である
などの追加要素が必要です。
したがって、「PHA-energy relation が非線形であること」と「エネルギー分解能がエネルギーとともに悪化すること」を、そのまま同一視してはいけません。
gain drift もエネルギー比例の broadening を作る
gain が時間とともにわずかに変動し、補正後にも fractional gain error $\delta g/g$ が残った場合、
\delta E_{\mathrm{gain}}
\simeq
E\frac{\delta g}{g}
です。
この効果も eV 単位ではエネルギーに比例します。そのため、実際の天体観測で長時間のデータを積算したときには、
- 吸収体に由来する intrinsic excess broadening
- 時間的な gain variation の補正残差
が似たエネルギー依存性を持つ可能性があります。
では、どう区別するのでしょうか？
baseline event、単色X線、短時間ごとの calibration、地上と軌道上の比較を組み合わせます。Leutenegger et al. の解析では、多くの pixel で ground と flight の $C_{\mathrm{x}}$ はおおむね整合し、軌道上で見られた分解能のわずかな悪化は、主として baseline broadening の増加で説明されています。
Figure 3(b) で flight model の黒線が ground model の赤線より全体的に上にあるのは、この違いを反映しています。
extended line-spread function とも分けて考える
Resolve の line-spread function は、Gaussian core だけではありません。
弱い成分として、
- exponential low-energy tail
- Hg や Te の fluorescence escape peak
- electron-loss continuum
などがあります。
これらも、広い意味では吸収体内でのエネルギー損失や熱化過程に関係します。しかし、Figure 3 が扱っているのは Gaussian core の FWHM です。
例えば escape peak は、入射光子のエネルギーの一部が蛍光X線として吸収体外へ逃げたイベントです。これは主ピークの Gaussian 幅を少し増やすというより、主ピークとは別の応答成分を作ります。
したがって、
thermalization に関係する効果だから、すべて $C_{\mathrm{x}}E$ に入る
と考えるのは正しくありません。Gaussian core の excess broadening と extended LSF は、RMF の中でも別の成分として扱う必要があります。
count rate が高いときは別の broadening も加わる
Figure 3 のモデルは、低 count-rate で評価した detector response を基本にしています。
明るい天体では、
- electrical crosstalk
- thermal crosstalk
- 近接イベント
- grade migration
- gain の rate dependence
などが追加の broadening を作る可能性があります。
これらは $R_{\mathrm{B}}$ と $C_{\mathrm{x}}E$ だけで常に表現できるとは限りません。とくに untriggered crosstalk は count rate と pixel illumination pattern に依存するため、静的な energy-dependent LSF と、観測条件に依存する degradation を分けて考える必要があります。
絶対分解能は悪化しても、 resolving power は改善する
「高エネルギー側で分解能が悪くなる」という言い方にも注意が必要です。
ここまで議論したのは、eV 単位の絶対幅 $R(E)$ です。一方、分光器の性能は resolving power
\mathcal{P}(E)
=
\frac{E}{R(E)}
でも表されます。
低エネルギー側で baseline が支配的なら、
R(E)
\simeq
R_{\mathrm{B}}
なので、
\mathcal{P}(E)
\simeq
\frac{E}{R_{\mathrm{B}}}
です。resolving power はエネルギーとともにほぼ線形に向上します。
非常に高いエネルギーで excess broadening が支配的になれば、
R(E)
\simeq
C_{\mathrm{x}}E
なので、
\mathcal{P}(E)
\simeq
\frac{1}{C_{\mathrm{x}}}
に漸近します。
したがって Resolve は、
高エネルギー側で FWHM の eV 値は少し増えるが、相対分解能はむしろ改善する
検出器です。
「分解能が悪くなる」という一文だけでは、絶対幅と resolving power のどちらを指しているのか曖昧です。
Figure 3 から分かることと、分からないこと
Figure 3 から比較的強く言えることは、次の通りです。
- baseline FWHM は、エネルギーに依存しない項として扱える。
- baseline を二乗差で除いた excess FWHM は、エネルギーにほぼ比例する。
- 全 FWHM は、定数項と線形項の二乗和でよく再現される。
- ground と flight の違いは、主として baseline 側の変化で説明できる。
- この経験式は Resolve の science band を越えた高エネルギー側でもよく機能する。
一方、Figure 3 だけでは次のことは決まりません。
- excess broadening の微視的機構が一種類だけなのか。
- エネルギー損失と pulse-shape mismatch の寄与をどう分離するのか。
- 吸収位置、吸収深さ、吸収体の局所構造のどれが最も重要なのか。
- $C_{\mathrm{x}}$ が温度、bias、filter template にどう依存するのか。
- 高 count-rate 環境でも同じ二項モデルが十分なのか。
ここが、単なる calibration formula と detector physics の境界です。
微視的機構をさらに調べるなら何が必要か？
もし excess broadening の原因をさらに分解したいなら、どのような測定が有効でしょうか？
吸収位置を制御する
細い monochromatic beam を absorber 上で走査し、pulse height、rise time、pulse shape を位置ごとに比較します。
位置によって平均 pulse height が変われば、thermalization efficiency または filter response の位置依存性が直接見えます。pulse height は同じでも rise time が変わるなら、熱量そのものより熱拡散時間の違いが疑われます。
一つの pulse height だけに圧縮しない
平均 template に対する一つの相関値だけでなく、
- rise/decay time
- 複数 template を用いる
- principal component analysis などで波形分類
- pulse residual (典型的波形からのずれ)
を用いて解析します。
もし pulse-shape information を使うことで線幅が改善するなら、少なくとも一部は「熱として失われた」のではなく、「一つの filter では正しく測れなかった」エネルギーだったことになります。
エネルギー、温度、bias を独立に変える
$C_{\mathrm{x}}$ のエネルギー依存性だけでなく、動作温度や bias 依存性を測ります。
吸収体内部の熱拡散が支配的なら、thermometer bias を少し変えても absorber 内部の物性は大きく変わらない可能性があります。一方、filter mismatch や detector nonlinearity が支配的なら、bias や pulse amplitude に対する依存性が強く現れる可能性があります。
Gaussian core と tail を同時に調べる
core width、low-energy tail、escape component を別々に fit するだけでなく、それらの強度や形状が吸収位置やエネルギーとともにどう変わるかを調べます。
もし core broadening と tail fraction が同じ条件で相関するなら、共通の energy-loss process が存在する可能性があります。相関しなければ、core の fractional variation と明確な escape process は異なる物理かもしれません。
このような測定を積み重ねて初めて、経験式の係数 $C_{\mathrm{x}}$ を、吸収体の材料物性や熱設計へ戻して理解できるようになります。
式の形を自分で確かめる Python コード
以下は、Figure 2 の pixel 35 の値から概算したパラメータを使い、baseline、excess broadening、total FWHM の関係を確認する簡単な例です。
このコードは論文の Figure 3 を再現するものではありません。$C_{\mathrm{x}}$ は一つの Fe K$\alpha_1$ 測定から概算した値であり、論文の multi-energy fit の値とは異なり得ます。
import numpy as np
import matplotlib.pyplot as plt
energy_ev = np.linspace(0.0, 12000.0, 500)
# Pixel 35 の Figure 2 から得た値
baseline_fwhm_ev = 3.55
fe_energy_ev = 6403.84
fe_fwhm_ev = 4.16
excess_at_fe_ev = np.sqrt(
fe_fwhm_ev**2 - baseline_fwhm_ev**2
)
cx = excess_at_fe_ev / fe_energy_ev
excess_fwhm_ev = cx * energy_ev
total_fwhm_ev = np.sqrt(
baseline_fwhm_ev**2 + excess_fwhm_ev**2
)
fig, ax = plt.subplots(figsize=(7, 5))
ax.plot(
energy_ev / 1000.0,
np.full_like(energy_ev, baseline_fwhm_ev),
label="baseline FWHM",
)
ax.plot(
energy_ev / 1000.0,
excess_fwhm_ev,
label="excess FWHM",
)
ax.plot(
energy_ev / 1000.0,
total_fwhm_ev,
linewidth=2.5,
label="total FWHM",
)
ax.set_xlabel("Energy (keV)")
ax.set_ylabel("FWHM (eV)")
ax.set_xlim(0.0, 12.0)
ax.set_ylim(0.0, 6.0)
ax.grid(alpha=0.3)
ax.legend()
plt.tight_layout()
plt.show()
print(f"Estimated Cx = {cx:.3e}")
この図を自分で描くと、次の点が直感的に分かります。
- baseline は水平線になる。
- excess broadening は原点を通る直線になる。
- total FWHM は両者の単純和ではなく、滑らかに曲がる。
- 高エネルギー側では excess broadening の影響が急に無視できなくなる。
まとめ
XRISM/Resolve の絶対エネルギー分解能が高エネルギー側で少し悪化する理由は、baseline noise が増えるからではありません。
中心的な考え方は、
R(E)
=
\sqrt{
R_{\mathrm{B}}^2
+
\left(C_{\mathrm{x}}E\right)^2
}
です。
$R_{\mathrm{B}}$ は加算的な雑音による、ほぼエネルギー非依存の幅です。$C_{\mathrm{x}}E$ は、吸収体内での熱化や pulse-shape response に存在する微小な fractional variation が作る幅です。
高エネルギーほど悪くなるのは、信号が小さいからではありません。
信号に対する割合の誤差が同じでも、eV に直した誤差はエネルギーとともに大きくなるからです。
Figure 3 は、この事実を左図の linear excess broadening と、右図の quadrature-sum model に分けて示しています。
ただし、$C_{\mathrm{x}}E$ という経験式がよく合うことと、その微視的な原因が完全に特定されたことは同じではありません。位置依存の熱拡散、局所的なエネルギー損失、pulse-shape variation、optimal-filter mismatch などを実験的に切り分ける余地が残っています。
その非自明さこそ、次世代カロリメータの材料、吸収体構造、信号処理を改善するための研究課題です。
参考文献
-
M. A. Leutenegger et al., “Core line spread function calibration of the X-ray Imaging and Spectroscopy Mission Resolve X-ray calorimeter spectrometer,” Journal of Astronomical Telescopes, Instruments, and Systems 11, 042024 (2025).
https://doi.org/10.1117/1.JATIS.11.4.042024 -
F. S. Porter et al., “In-flight performance of the XRISM/Resolve detector system,” Journal of Astronomical Telescopes, Instruments, and Systems 11, 042016 (2025).
https://doi.org/10.1117/1.JATIS.11.4.042016 -
M. E. Eckart et al., “Energy gain scale calibration of the XRISM Resolve microcalorimeter spectrometer: ground calibration results and on-orbit comparison,” Journal of Astronomical Telescopes, Instruments, and Systems 11, 042018 (2025).
https://doi.org/10.1117/1.JATIS.11.4.042018 -
T. Saab et al., “Determination of lateral diffusivity in single pixel X-ray absorbers with implications for position dependent excess broadening,” Nuclear Instruments and Methods in Physics Research Section A 559 (2006).
https://doi.org/10.1016/j.nima.2005.12.028
関連記事