$\Lambda$CDM与早期暗能量在潜在空间：基于CMB温度功率谱的数据驱动参数化

在缺乏首原理理论的情况下，寻找宇宙学模型的最佳参数化方法是一个开放问题。我们提出一种数据驱动的参数化方法，利用变分自编码器（VAE）对新星辉射射 CMB 温度功率谱进行压缩得到的解耦“潜在”表示来描述宇宙学模型。我们考虑广泛的$\Lambda$CDM 和超-$\Lambda$CDM 宇宙学模型，其中包含额外的早期暗能量（EDE）成分。我们展示，这些功率谱可以压缩为5（$\Lambda$CDM）或8（EDE）个独立的潜在参数，正如仅使用温度功率谱时所预期的那样，并且以准确度良好地重构功率谱，误差在 Planck 数据的误差范围内。这些潜在参数可解释为 CMB 温度谱中众所周知特征的物理解释，包括声波峰的位置、高度甚至奇偶调制，以及引力透镜效应。VAE还发现一个能够完全隔离 EDE 效应且与$\Lambda$CDM 参数无关的潜在参数，从而揭示了 CMB 温度功率谱中先前未知的自由度。我们进一步展示如何使用 Planck 数据对潜在参数施加约束，如同对宇宙学参数一样，获得与先前的$\Lambda$CDM 和 EDE 宇宙学约束一致的潜在值。我们的工作表明，将当前超-$\Lambda$CDM 现象学模型以数据可观测量敏感的独立自由度进行数据驱动化的潜力巨大。