精质与沼泽地猜想的机器学习与宇宙学重构

我们利用机器学习(ML)和宇宙学素描法(cosmography)给出了精质(quintessence)与沼泽地猜想(SC)的模型无关重构。特别地，我们展示了理论分析与ML之间的协同如何能为暗能量与修正引力的本质提供关键见解。使用来自宇宙年代学(cosmic chronometers)的哈勃参数$H(z)$数据，我们发现SC的ML与宇宙学素描重构在低红移下与观测相容。最后，纳入增长率数据$f\sigma_8(z)$，我们通过两个相图，即$H-f\sigma_8$和$\eta-f\sigma_8$，对修正引力宇宙学进行模型无关检验，其中各向异性应力参数$\eta$通过$E_g$统计量获得，该量与引力透镜数据相关。虽然第一个图在误差范围内与$\Lambda$CDM模型一致，但第二个图在$z\sim 0.3$处各向异性应力相对1有约$2\sigma$偏离，在$z\sim 0.9$处有约$4\sigma$偏离，从而指向对广义相对论的轻微偏离，这可由即将到来的大尺度结构巡天进一步检验。