使用Statefinder诊断探索扩张宇宙与暗能源

在接下来的几年里，随着当前survey不断添加更多高红移超新星到库存，并且随着新型更深入的超新星实验投入运作，预计将出现大量高质量的SNI数据。鉴于当前各种暗能源模型的多样性以及预期观测数据的改进，精确且多功能的暗能源诊断工具刻不容缓。本文在 proposed SNAP卫星（预计每年将观测约2000颗超新星）的背景下考察了Statefinder诊断。我们展示了Statefinder足够灵活，能够区分诸如宇宙常数于一侧，以及准粒子、夸 leaves气和膜世界模型于一侧的暗能源模型。利用SNAP数据，Statefinder可以在$\om$已知的情况下，将宇宙常数($w=-1$)与准粒子模型中$w \geq -0.9$以及夸 leaves气模型中$\kappa \leq 15$的模型在$3\sigma$水平下区分开来。即使在仅知道$\om$约$20$精度的情况下，Statefinder也能给出合理结果。在这种情况下，边缘化$\om$并假设一个fiducial LCDM模型后，我们可以排除准粒子中$w \geq -0.85$和夸 leaves气中$\kappa \leq 7$的模型（两者均在$3\sigma$水平）。如果结合减速参数使用Statefinder，这些约束可以进一步收紧。Statefinder对宇宙中所有物质和辐射形式所施加的总压力非常敏感，因此可以在 moderately高的红移$z \leq 10$处区分暗能源模型。