暗能量中的动力学振荡:来自 DESI、OHD 和 Supernova 样本的 $w_{sin}$CDM 模型联合约束
机器学习
2026-02-06 v1 人工智能
计算工程、金融与科学
机器学习
摘要
在本研究中,我们研究了基于 DESI BAO 数据的振荡暗能量模型 ,并结合了 OHD、Pantheon Plus 和 SH0ES 测量数据。我们检查了 DESI 数据如何在不产生哈勃紧张的 cosmological models 中影响暗能量方程状态平面 ,并采用蒙特卡洛链路 MCMC 方法。我们的发现表明,尽管参数空间仍偏好 和 ,但在 DESI+OHD+PP 组合下,cosmological constant 仍与 2σ 水平一致。我们还观察到,DESI+OHD+PP+SH0ES 数据组合的最小哈勃常数 更高,导致剩余哈勃紧张小于 以保持与 SH0ES 测量的一致性。这些结果表明,试图解决哈勃紧张倾向于减少对振荡暗能量模型的 DESI 指示。因此,考虑到最新的观测数据集和现有 cosmological tensions,应更加谨慎地对待 cosmological constant 的主张。我们还获得了当前减速参数 和有效方程状态值 ,用于 DESI+OHD+PP+SH0ES 数据组合。进一步分析表明,对于 DR2+OHD+DES-5yr 数据组合, 相对于 的推断在 水平上显著偏离。推导出的 在包含超级新星样本的数据组合中倾向于更高的值,表明包含超级新星数据的数据组合存在更大 的系统性偏好。
引用
@article{arxiv.2602.04886,
title = {Denoising diffusion networks for normative modeling in neuroimaging},
author = {Luke Whitbread and Lyle J. Palmer and Mark Jenkinson},
journal= {arXiv preprint arXiv:2602.04886},
year = {2026}
}
备注
55 pages, 20 figures