基于人工神经网络估计宇宙参数并重构哈勃常数：基于协方差矩阵与模拟 H(z) 的测试
宇宙学与河外天体物理
2025-09-23 v4
摘要
本文基于观测哈勃数据使用人工神经网络重构 H(z)，进而估计宇宙参数与哈勃常数。我们采用基于真实观测哈勃数据和高斯过程（GP）生成的协方差矩阵与模拟 H(z) 作为训练数据。协方差矩阵的应用传递了相关不确定性，提高了训练效率。通过重构的 H(z) 数据，本文首先确定哈勃常数，并将其与基于 CMB 的测量结果进行比较。为约束宇宙参数，我们对重构数据进行采样，并使用蒙特卡洛链（MCMC）计算相应的后验分布。通过全面的统计比较，我们展示，使用重构样本进行的参数估计与基于真实观测哈勃数据得到的结果在统计精度上具有相当的可比性。
引用
@article{arxiv.2410.08369,
title = {Estimating Cosmological Parameters and Reconstructing Hubble Constant with Artificial Neural Networks: A Test with covariance matrix and mock H(z)},
author = {Jie-feng Chen and Tong-Jie Zhang and Peng He and Tingting Zhang and Jie Zhang},
journal= {arXiv preprint arXiv:2410.08369},
year = {2025}
}
备注
21 pages, 11 figures. Accepted for publication in the European Physical Journal C