利用宇宙计时器、BAO 与 CMB 数据集约束立方引力与 $f(P)$ 引力：机器学习算法的应用
宇宙学与河外天体物理
2022-06-14 v2 广义相对论与量子宇宙学
摘要
在本工作中，我们对爱因斯坦立方引力与 引力进行观测数据分析，以约束这些理论参数空间。我们使用 30 点 宇宙计时器数据作为分析中的观测工具，并结合 BAO 与 CMB 峰值参数。采用 统计量进行拟合分析，并通过最小化获得自由模型参数的最佳拟合值。我们使用马尔可夫链蒙特卡洛算法获取自由参数的边界。为此，我们使用公开的 CosmoMC 代码给出参数边界，并随后生成具有不同置信区间的轮廓图。除从我们的引力模型理论上求出哈勃参数 关于红移 的表达式外，我们还运用了相关系数以及两种机器学习模型，即线性回归（LR）与人工神经网络（ANN），用于 的估计。为此，我们开发了一个 Python 包，用于寻找参数空间并利用机器学习进行后续统计分析与预测分析。我们将理论上与估计得到的 值均与观测进行了比较。可见，我们的理论模型与机器学习估计模型相较于观测均表现显著良好。
引用
@article{arxiv.2107.12417,
title = {Constraints on Cubic and $f(P)$ Gravity from the Cosmic Chronometers, BAO & CMB datasets : Use of Machine Learning Algorithms},
author = {Kinsuk Giri and Prabir Rudra},
journal= {arXiv preprint arXiv:2107.12417},
year = {2022}
}
备注
20 pages, 7 figures, This version matches the published version with some linguistic changes