无模型独立约束下洛布林不变性违反：使用更新的伽马射线暴观测数据的人工神经网络方法
高能天体物理现象
2025-12-01 v2
摘要
使用如伽马射线暴(GRB)等天体物理源搜索洛布林不变性违反(LIV)对于探索量子引力至关重要。然而，LIV约束对所假设的宇宙学模型的依赖问题鲜有被注意。在本工作中，我们提出了一种使用人工神经网络(ANN)重建宇宙膨胀历史的模型无关方法，从而避免特定宇宙学先验的偏见。我们分析了74个伽马射线暴时间延迟，其中包括来自GRB 160625B在多个能量带（）上的37个测量值，以及另外37个覆盖红移的伽马射线暴。我们的分析对线性和二次LIV都给出了严格的约束，分别为和。线性限制在普朗克尺度的四个数量级内。通过利用大量GRB样本，我们的方法显著增强了LIV约束的鲁棒性，为未来量子引力测试提供了强大的、独立于宇宙学的框架。
引用
@article{arxiv.2412.06159,
title = {Cosmological Model Independent Constraints on Lorentz Invariance Violation with Updated Gamma-Ray Burst Observations: An Artificial Neural Network Approach},
author = {Jun Tian and Yu Pan and Shuo Cao and Qing-Quan Jiang and Wei-Liang Qian},
journal= {arXiv preprint arXiv:2412.06159},
year = {2025}
}
备注
14 pages, 3 figures