借助 Weyl 势能与机器学习预测探讨 $\Lambda$CDM 模型
宇宙学与河外天体物理
2024-09-24 v1 广义相对论与量子宇宙学
摘要
多年来，宇宙常数 与冷暗物质（CDM）模型（）一直是现代宇宙学的基石，也是当前及未来观测的主要理论框架。然而，暗能源光谱仪（DESI）的最新结果以及其他宇宙学数据显示，倾向于演化暗能源的迹象。鉴于暗能源的难以捉摸以及规避模型偏置的必要性，我们引入一种新型的空白检验，该检验源自诺特定理，利用在不同红移处测量的 Weyl 势能（即空间与时间扭曲之和）。为评估该空白检验的精度，我们基于构建模拟目录的复原工作，采用遗传算法——一种机器学习技术。我们的分析表明，借助未来类似 LSST 和 DESI 的模拟数据，该一致性检验将能够在约4个标准差水平下排除若干宇宙学模型，并帮助检查数据中的紧张情况。
引用
@article{arxiv.2409.15170,
title = {Probing $\Lambda$CDM through the Weyl potential and machine learning forecasts},
author = {Rubén Arjona and Savvas Nesseris and Isaac Tutusaus and Daniel Sobral Blanco and Camille Bonvin},
journal= {arXiv preprint arXiv:2409.15170},
year = {2024}
}
备注
11 pages, 1 table and 3 figures. Comments are welcome!