非最小 $f(Q)$ 引力与 $H_0$ 张力的贝叶斯及机器学习分析
广义相对论与量子宇宙学
2025-11-11 v1
摘要
在本研究中，我们在度量-仿射形式体系内考察了非最小耦合 引力的宇宙学含义，其中非度量标量 直接与物质拉格朗日量耦合。在对称远平行框架内，构建了一个具有代表性的 模型，并导出了相应的背景宇宙学方程。该分析旨在测试这种几何表述是否能产生更一致的非最小物质-几何耦合实现。使用宇宙计时器、DESI BAO DR2 以及来自 Pantheon+、DESY5 和 Union3 样本的 Ia 型超新星，进行了全面的统计 MCMC 分析。为了补充统计研究，我们采用了机器学习方法，如线性回归、支持向量回归（SVR）和随机森林算法，以评估数据的预测性能和鲁棒性。结果表明，在广泛的参数选择范围内，可以实现 张力的部分缓解。尽管如此， 引力仍作为晚期宇宙学的一个有前景且灵活的框架出现，这促使人们进一步探索与所有观测结果一致的扩展模型。
引用
@article{arxiv.2511.06332,
title = {Bayesian and Machine-Learning Analyses of Nonminimal $f(Q)$ Gravity and $H_0$ Tension},
author = {Simran Arora and Mridul Patel},
journal= {arXiv preprint arXiv:2511.06332},
year = {2025}
}
备注
14 pages, 8 figures