SWIM：用于生成与分析暖暴胀功率谱的随机暖暴胀模块
摘要
在暖暴胀范式中，确定标量功率谱形式的数值分析是不可避免的。人们还需要数值技术，通过公开可用的 MCMC 代码（如 COSMOMC 或 Cobaya），利用当前的观测数据来分析任何暖暴胀模型。我们展示了用 C++ 和 Python 编写的 SWIM（Stochastic Warm Inflation Module），它不仅有助于半解析或完全数值地生成暖暴胀标量功率谱，而且与 Cobaya 集成，使用户能够用当前的 CMB 数据约束模型参数，从而对任何暖暴胀模型进行检验。SWIM 在无任何近似的情况下数值求解了标准的暖暴胀随机微扰方程，在分析全数值功率谱时使用机器学习技术加速 MCMC 分析，显著降低了计算成本，并且能够适应任何具有任意暴胀势和耗散系数形式的暖暴胀模型以进行数值分析。我们表明，在大多数情况下，就运行时间而言，SWIM 优于其他仅旨在产生半解析功率谱的暖暴槂数值代码。我们进一步指出，在某些情况下，确定暖暴胀中标量功率谱的半解析方法可能存在不足，在给定观测数据下进行参数估计时需要全数值功率谱。在这种情况下，SWIM 是迄今为止唯一被设计用于执行此任务的代码。因此，SWIM 提供了一个完整的数值平台，用于根据当前宇宙学数据对暖暴胀模型进行全面分析。SWIM 已在 https://github.com/umg-kmr/SWIM 公开发布。
引用
@article{arxiv.2604.24654,
title = {SWIM: Stochastic Warm Inflation Module to generate and analyse Warm Inflationary power spectrum},
author = {Umang Kumar and Suratna Das},
journal= {arXiv preprint arXiv:2604.24654},
year = {2026}
}
备注
34 pages, 8 figures, 4 tables, prepared for submission to JCAP, v2: Clarification for discrepancies between outputs of SWIM and WI2easy added, a few references added, results and conclusion unchanged