[論文レビュー] Phantom dark energy as a natural selection of evolutionary processes $\hat{ m a}$ $ extit{la}$ $ extit{genetic algorithm}$ and cosmological tensions

Mayukh R. Gangopadhyay, M. Sami+1 more|arXiv (Cornell University)|Mar 13, 2023

Cosmology and Gravitation Theories被引用数 5

ひとこと要約

本論文は、遺伝的アルゴリズムを用いたモデルに依存しない機械学習的手法を提唱し、宇宙論的データを分析する。その結果、phantom型のダークエネルギーがΛCDMよりも優れた適合性を示すことが判明した。この手法により、H₀およびσ₈の不一致が軽減され、w_DE ≈ -1.087およびより高いσ₈が支持され、複数のデータ組み合わせにおいても結果が安定しており、統計的適合性が優れている。

ABSTRACT

We study the late-time cosmological tensions using the low-redshift background and redshift-space distortion data by employing a machine learning (ML) technique. By comparing the generated observables with the standard cosmological scenario, our findings indicate support for the phantom nature of dark energy, which ultimately leads to a reduction in the existing tensions. The model-independent approach also enables us to examine the combined background and perturbative history, where tensions are reduced. Moreover, from a statistical perspective, we have shown that our results exhibit a better fit to the data when compared to the $Λ$CDM model.

研究の動機と目的

• H₀およびσ₈⁰における持続的な宇宙論的不一致を、モデルに依存しないアプローチで解決すること。
• 低赤方偏移データにおける観測された不一致が、特定のダークエネルギーモデルを仮定せずに解消可能かどうかを調査すること。
• 自然選択プロセスを模倣する遺伝的アルゴリズムが、phantom型のダークエネルギー行動を支持するかどうかを特定すること。
• 最適化された解が標準のΛCDMモデルよりも統計的に優れているかどうかを評価すること。
• 背景および摂動的データが、ΛCDMでないダークエネルギーの状況を支持する整合性を持っているかどうかを調査すること。

提案手法

• H(z)の膨張歴を表す数学的関数を進化させるため、集団ベースの遺伝的アルゴリズムを用いる。
• 各関数が観測された背景および赤方偏移空間歪み（RSD）データにどの程度適合するかを評価するため、χ²統計量を適合度関数として使用する。
• 自然選択を模倣するために、世代を経て選択、交差、突然変異の操作を実行し、χ²が低い解へと進化させる。
• 最適化されたH(z)の関数形を用いて、wCDMおよびΛCDMのテンプレートにフィットさせることで、宇宙論的パラメータを推定する。
• CCH、SN1a、BAO、RSDの複数のデータセットを組み合わせ、観測プローブ間での整合性と安定性をテストする。
• BAOデータにおいて音響スケールをPlanck-18の事前分布に固定し、それがphantom行動の出現に与える影響を評価する。

実験結果

リサーチクエスチョン

• RQ1 背景および摂動的データに対するモデルに依存しない分析が、phantom型ダークエネルギー状態を支持するか？
• RQ2 遺伝的アルゴリズムアプローチにより、低赤方偏移データで観測されたH₀およびσ₈の不一致が軽減可能か？
• RQ3 音響スケールを固定したBAOデータの組み込みが、phantom型ダークエネルギーの出現にどのように影響するか？
• RQ4 複数のデータ組み合わせにおいて、最適化された解がΛCDMモデルよりも統計的に優れているか？
• RQ5 同じ最適化されたH(z)関数を用いた場合、背景データおよびRSDデータセットが一貫した宇宙論的制約をもたらすか？

主な発見

• CCH+SN1aデータを用いた場合、遺伝的アルゴリズムは一貫してphantom型ダークエネルギー状態（w_DE ≈ -1.087）を特定し、H₀の不一致が軽減された。
• 音響スケールを固定したBAOデータを組み込むと、結果はphantom性が弱まる方向にバイアスを受けるが、CC+SN1aの組み合わせでもややphantom的な行動が観察された。
• 最適化されたH(z)関数は、χ²の低減によりΛCDMモデルよりも顕著に優れたデータ適合性を示した。
• RSDデータからの線形成長率は、より高いσ₈⁰値を支持しており、σ₈の不一致を軽減する助けとなり、背景の結果と整合的である。
• 最適化モデルから導かれたS₈⁰パラメータは、Planckの推定値とよく一致し、低赤方偏移測定値との不一致が軽減された。
• 複数のデータ組み合わせにおいて結果が安定しており、Ωₘ⁰ ∈ [0.33, 0.35]であることが示され、背景および摂動的データとの整合性が裏付けられた。