利用 DESI DR1 BAO 数据重建草原猜想

草原猜想（SCs）提出了有效场论的约束，这些有效场论可以来源于一致的量子引力理论。两个突出的 SCs 建议标量场的位移和势的梯度在普朗克单位下最多为 $\mathcal{O}(1)$。我们利用暗能量光谱仪器（DESI）首次数据发布，并通过称为遗传算法的机器学习方法，对 SCs 相关量在后期时间的模型无关重建，对这些重建结果与 SCs 的期望进行一致性评估。我们的结果表明，重建的第二个 SCs 距离零的置信水平数较高，表明势面陡峭，这与最近假设指数势的模型特定分析相反。我们方法的新颖之处在于仅使用来自 DESI 的模型无关宇宙观测量的重建，如角径距和哈勃展开史。这使得该方法可以立即应用于 IV 阶段的后续数据，为进一步评估与 SCs 的一致性提供了框架。