[논문 리뷰] Do we need wavelets in the late Universe?

Luis A. Escamilla, Emre Özülker외 3명|arXiv (Cornell University)|2024. 08. 22.

Cosmology and Gravitation Theories인용 수 5

한 줄 요약

논문은 Hermitian 웨이브렛을 이용해 ΛCDM 위에 허블 반경의 웨이블릿 확장을 도입하고, 노이즈가 있는late-time 국지적 진동을 생성하며, Bayesian 추론과 모델 비교를 통해 이를 cosmological 데이터에 대해 테스트합니다. 웨이블렛은 BAO 데이터에 대한 적합도를 개선하고, 데이터 셋에 따라 선호되는 적색편이 중심이 달라집니다.

ABSTRACT

We parameterize the Hubble function by adding Hermitian wavelets to the Hubble radius of $Λ$CDM. This allows us to build Hubble functions that oscillate around $Λ$CDM at late times without modifying its angular diameter distance to last scattering. We perform parameter inference and model selection procedures on these new Hubble functions at the background level. In our analyses consisting of a wide variety of cosmological observations, we find that baryon acoustic oscillations (BAO) data play a crucial role in determining the constraints on the wavelet parameters. In particular, we focus on the differences between SDSS- and DESI-BAO datasets and find that wavelets provide a better fit to the data when either of the BAO datasets is present. However, DESI-BAO has a preference for the center of the wavelets to be around $z \sim 0.7$, while SDSS-BAO prefers higher redshifts of $z > 1$. This difference appears to be driven by the discrepancies between these two datasets in their $D_H / r_{ m d}$ measurements at $z = 0.51$ and $z \sim 2.3$. Finally, we also derive the consequences of the wavelets on a dark energy component. We find that the dark energy density oscillates by construction and also attains negative values at large redshifts ($z\gtrsim2$) as a consequence of the SDSS-BAO data. We conclude that while the early universe and the constraints on the matter density and the Hubble constant remain unchanged, wavelets are favored in the late universe by the BAO data. Specifically, there is a significant improvement at more than $3σ$ in the fit when new DESI-BAO data are included in the analysis.

연구 동기 및 목표

• ΛCDM에 대한 각도로 직도(last scattering)까지의 거리 각도 거리(angular diameter distance)를 변화시키지 않으면서, potential late-time deviations를 포착하기 위한 허블 반경의 웨이블릿 확장을 동기화하고 탐구한다.
• 가우시안 유도 파생으로부터 얻은 Hermitian 웨이블렛을 사용하여 H(z) 편차의 매개변수적 계열을 개발한다.
• Broad set의 코스모로지 데이터로 웨이블렛 매개변수를 제약하고, Bayesian evidence를 통해 모델을 비교한다.
• 다양한 BAO 데이터셋(SDSS-BAO vs DESI-BAO)의 웨이블렛 제약에 미치는 영향과 implied한 다크 에너지 거동을 조사한다.]
• method:[

제안 방법

• Hubble 함수 편차를 1/H(z) = 1/𝓗(z) + ψ(z)로 정의하는데, 𝓗(z)는 ΛCDM이고 ψ(z)는 Hermitian 웨이블렛이다.
• 웨이블렛 ψ_n(z) 를 기저 G(z)의 n차 도함수로 구성하여 진동 노드(oscillation nodes)를 제어한다.
• 처음 네 가지 Hermitian 웨이블렛(ψ1–ψ4)을 사용하여 세 개의 웨이블렛 매개변수(α_h, β_h, z†)를 가진 모델 변형을 생성한다.
• 적응형 SimpleMC MCMC 프레임워크와 Bayesian evidence를 위한 dynesty를 사용하여 베이지안 매개변수 추정 및 모델 선택을 수행한다.
• CMB 관련 BAO(Pl), SN Ia(Pantheon+), cosmic chronometers, 두 개의 BAO 데이터셋(SB: SDSS-BAO, DB: DESI-BAO) 및 필요시 H0 priors를 포함한 데이터를 모은다.
• 전체 공분산을 사용한 데이터에서 χ2를 계산하고 Pl, SN, BAO 및 해당되는 H0의 기여를 합한다.

실험 결과

연구 질문

• RQ1 웨이블릿 기반의 허블 반경 편차가 angular diameter distance를 유지하면서 늦은 시기의 진동 특징을 재현할 수 있는가?
• RQ2 Hermitian 웨이블렛이 ΛCDM과 비교하여 추정된 팽창 역사를 어떻게 수정하고 어는 다크 에너지 밀도에 영향을 주는가?
• RQ3 SDSS-BAO와 DESI-BAO 중 어떤 데이터셋을 사용할 때 선호되는 웨이블렛 매개변수와 적합도가 어떻게 달라지는가?
• RQ4 BAO-주도 웨이블렛 적합이 역동적 다크에너지를 필요로 하는가, 그렇다면 ρ_DE(z)와 w_DE(z)의 추정 진화는 어떤가?]
• RQ5 key_findings:[

주요 결과

Model	Datasets	h	Ω_m,0	ln B_{ΛCDM,i}	-2ΔlnL_max
ΛCDM	SB+Pl	0.679 (0.006)	0.309 (0.007)	0	0
ψ1	SB+Pl	0.684 (0.005)	0.306 (0.007)	-0.22 (0.35)	-5.22
ψ2	SB+Pl	0.686 (0.006)	0.303 (0.008)	-0.51 (0.34)	-4.72
ψ3	SB+Pl	0.684 (0.005)	0.307 (0.007)	-0.54 (0.34)	-5.29
ψ4	SB+Pl	0.685 (0.006)	0.306 (0.007)	-0.66 (0.34)	-6.58
ΛCDM	SB+SN	0.686 (0.013)	0.306 (0.013)	0	0
ψ1	SB+SN	0.692 (0.014)	0.315 (0.015)	-0.61 (0.17)	-7.42
ψ2	SB+SN	0.692 (0.014)	0.318 (0.016)	-1.22 (0.17)	-8.59
ψ3	SB+SN	0.693 (0.014)	0.315 (0.015)	-0.83 (0.18)	-8.07
ψ4	SB+SN	0.692 (0.014)	0.314 (0.014)	-0.71 (0.18)	-8.61
ΛCDM	SB+SN+Pl	0.676 (0.006)	0.312 (0.007)	0	0
ψ1	SB+SN+Pl	0.684 (0.005)	0.306 (0.007)	-0.22 (0.35)	-5.22
ψ2	SB+SN+Pl	0.685 (0.005)	0.306 (0.006)	-0.51 (0.34)	-4.72
ψ3	SB+SN+Pl	0.684 (0.005)	0.307 (0.007)	-0.54 (0.34)	-5.29
ψ4	SB+SN+Pl	0.685 (0.006)	0.306 (0.007)	-0.66 (0.34)	-6.58
ΛCDM	SB+SN+H0	0.709 (0.014)	0.311 (0.013)	0	0
ψ1	SB+SN+H0	0.705 (0.012)	0.315 (0.015)	0.14 (0.24)	-2.91
ψ2	SB+SN+H0	0.706 (0.012)	0.318 (0.015)	0.34 (0.24)	-3.17
ψ3	SB+SN+H0	0.705 (0.012)	0.314 (0.015)	0.55 (0.23)	-3.89
ψ4	SB+SN+H0	0.705 (0.011)	0.314 (0.015)	-0.11 (0.23)	-3.23
ΛCDM	SB+SN+Pl+H0	0.679 (0.005)	0.308 (0.007)	0	0
ψ1	SB+SN+Pl+H0	0.687 (0.005)	0.303 (0.007)	-1.38 (0.34)	-6.18
ψ2	SB+SN+Pl+H0	0.688 (0.005)	0.302 (0.007)	-1.52 (0.34)	-6.34
ψ3	SB+SN+Pl+H0	0.688 (0.006)	0.302 (0.007)	-1.48 (0.35)	-7.16
ψ4	SB+SN+Pl+H0	0.688 (0.005)	0.302 (0.006)	-1.21 (0.34)	-7.78
ΛCDM	SN+Pl	0.671 (0.006)	0.319 (0.008)	0	0
ψ1	SN+Pl	0.676 (0.026)	0.331 (0.017)	0.58 (0.23)	-3.71
ψ2	SN+Pl	0.675 (0.026)	0.332 (0.018)	0.12 (0.24)	-3.85
ψ3	SN+Pl	0.676 (0.028)	0.332 (0.018)	0.13 (0.22)	-5.21
ψ4	SN+Pl	0.676 (0.026)	0.330 (0.017)	0.42 (0.23)	-5.41
ΛCDM	SN+H0	0.711 (0.019)	0.322 (0.017)	0	0
ψ1	SN+H0	0.711 (0.017)	0.323 (0.016)	-0.28 (0.22)	-3.88
ψ2	SN+H0	0.712 (0.017)	0.323 (0.017)	-0.12 (0.22)	-4.18
ψ3	SN+H0	0.712 (0.017)	0.324 (0.016)	-0.69 (0.22)	-5.04
ψ4	SN+H0	0.712 (0.018)	0.322 (0.017)	-0.09 (0.24)	-5.66
ΛCDM	SN+Pl+H0	0.678 (0.005)	0.311 (0.007)	0	0
ψ1	SN+Pl+H0	0.686 (0.005)	0.304 (0.007)	-1.61 (0.35)	-13.25
ψ2	SN+Pl+H0	0.686 (0.005)	0.304 (0.007)	-1.41 (0.34)	-11.87
ψ3	SN+Pl+H0	0.686 (0.005)	0.304 (0.006)	-1.99 (0.34)	-12.48
ψ4	SN+Pl+H0	0.686 (0.005)	0.304 (0.007)	-1.31 (0.34)	-12.01

• 웨이블렛 편차가 ΛCDM보다 BAO 데이터에 더 잘 맞출 수 있으며, ΔlnLmax가 음수인 경우가 여러 데이터 조합에서 개선된 적합도를 나타낸다.
• DESI-BAO의 경우 SN 및 Planck 데이터와 결합될 때 고유하게 상당한 신뢰도(대부분의 경우 3σ 이상)로 웨이블렛이 선호되지만, 결과는 사용된 BAO 데이터에 따라 다르다.
• 웨이블렛 중심 z†에 대한 사후확률은 데이터에 따라 이동한다: DESI-BAO는 z† ≈ 0.7을 선호하는 반면 SDSS-BAO는 z† > 1을 선호하며 이는 특정 DH/r_d 측정값의 불일치에 의해 좌우된다.
• Planck 데이터를 포함하면 ΛCDM과 같은 기반선이 제약되지만 웨이블렛은 여전히 경쟁력이 있으며 BAO 긴장감을 해소할 수 있는 동적 편차 해석을 제공한다.
• 웨이블렛으로 유도된 진동은 ρ_DE(z)의 진동적 밀도를 초래하며, 데이터 조합에 따라 높은 적색편지(z ≳ 2)에서 음수가 될 수 있다.
• 전반적으로 초기 우주 제약(Ω_m, h)은 ΛCDM과 일치하는 반면, 후기 BAO 데이터는 팽창 역사의 웨이블렛 확장을 선호한다.
• DESI-BAO 데이터를 포함하면 적합도에서 주목할 만한 개선이 있으며 추가 웨이블렛 매개변수로 기대치를 초과하는 개선이 관찰된다.