宇宙空间曲率与均匀性的新颖零检验及其机器学习重构

过去二十年来获得的大量观测数据使宇宙学进入了精确时代，并奠定了被称为$\Lambda$CDM模型的标准宇宙学常数与冷暗物质范式的基础。鉴于这一共识模型的诸多可能扩展，我们在此提出若干可用于探测偏离$\Lambda$CDM的新一致性检验。首先，我们推导了空间曲率$\Omega_{k,0}$与物质密度$\Omega_\textrm{m,0}$参数的联合一致性检验，该检验仅利用可直接由观测确定的哈勃速率$H(z)$构建。其次，我们提出了一种利用两组数据组合检验均匀性可能偏离的新检验，即重子声学振荡（BAO）与$H(z)$数据，或横向与径向BAO数据，同时引入两种可通过横向与径向BAO数据重构的$\Lambda$CDM一致性检验。随后，我们使用一种特定的机器学习方法即遗传算法，以模型无关的方式利用当前可用数据对上述检验进行重构。最后，我们还报告了由$H(z)$与径向BAO数据确定的转变红移存在约$4\sigma$的张力。