[논문 리뷰] 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. Sami외 1명|arXiv (Cornell University)|2023. 03. 13.

Cosmology and Gravitation Theories인용 수 5

한 줄 요약

이 논문은 우주론적 데이터를 분석하기 위해 모델에 종속되지 않은 기계학습 기반 접근법을 제안하며, 유전 알고리즘을 사용하여 페인텀 어둠침 에너지가 ΛCDM보다 더 나은 맞춤함을 자연스럽게 도출한다. 이 방법은 H₀와 σ₈의 갈등을 줄이며, w_DE ≈ -1.087과 높은 σ₈를 선호함으로써 다양한 데이터 조합에 걸쳐 강건하고 통계적으로 뛰어난 적합도를 보인다.

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.

연구 동기 및 목표

• H₀와 σ₈⁰에서 지속적인 우주론적 갈등을 모델에 종속되지 않은 방법으로 해결하기 위해.
• 저적색도 데이터에서 관측된 격차가 특정 어둠침 에너지 모델을 가정하지 않고도 해결될 수 있는지 조사하기 위해.
• 유전 알고리즘을 통한 자연적 선택 과정이 페인텀 유사 어둠침 에너지 행동을 선호하는지 확인하기 위해.
• 최적화된 해가 표준 ΛCDM 모델보다 통계적으로 뛰어나다는 것을 평가하기 위해.
• 배경 및 섭동 데이터가 비-ΛCDM 어둠침 에너지 시나리오를 지지하는 데 일관된지 탐색하기 위해.

제안 방법

• 배경 및 적색도 영역에서의 변형 데이터에 적합한 H(z) 팽창 역사 함수를 나타내는 수학적 함수를 진화시키기 위해 집단 기반 유전 알고리즘을 사용한다.
• 각 함수가 관측된 배경 및 적색도 영역에서의 변형(영역) 데이터에 얼마나 잘 맞는지 평가하기 위해 χ² 통계량을 적합도 함수로 사용한다.
• 세대에 걸쳐 선택, 교차 및 돌연변이 연산을 적용하여 낮은 χ²로 수렴하는 해를 진화시키며, 자연 선택을 모방한다.
• 최적화된 H(z) 함수를 사용하여 wCDM 및 ΛCDM 템플릿에 맞추어 우주론적 파라미터를 추론한다.
• CCH, SN1a, BAO 및 RSD를 포함한 다수의 데이터 세트를 조합하여 다양한 관측 수단에서의 강건성과 일관성을 테스트한다.
• BAO 데이터에서 음파 영역를 Planck-18 사전 정보로 고정하여, 이것이 페인텀 행동의 도출에 미치는 영향을 평가한다.

실험 결과

연구 질문

• RQ1 배경 및 섭동 데이터의 모델에 종속되지 않은 분석이 페인텀 어둠침 에너지 상태 방정정식을 선호하는가?
• RQ2 유전 알고리즘 접근법이 저적색도 데이터에서 관측된 H₀ 및 σ₈ 갈등을 줄일 수 있는가?
• RQ3 고정된 음파 영역를 가진 BAO 데이터의 포함이 페인텀 어둠침 에너지의 도출에 어떤 영향을 미치는가?
• RQ4 다양한 데이터 조합에서 최적화된 해가 ΛCDM 모델보다 통계적으로 뛰어나게 되는가?
• RQ5 동일한 최적화된 H(z) 함수를 사용할 때 배경 및 RSD 데이터 세트가 일관된 우주론적 제약 조건을 제공하는가?

주요 결과

• CCH+SN1a 데이터를 사용할 경우, 유전 알고리즘이 일관되게 w_DE ≈ -1.087인 페인텀 어둠침 에너지 상태를 식별하며, 이는 H₀ 갈등을 줄인다.
• 고정된 음파 영역를 가진 BAO 데이터를 포함시키면 결과가 덜 페인텀 성향으로 향하는 경향이 있지만, CC+SN1a 조합은 여전히 약한 페인텀 행동을 보인다.
• 최적화된 H(z) 함수는 χ² 감소를 통해 ΛCDM 모델보다 유의미하게 더 나은 데이터 적합도를 제공한다.
• RSD 데이터에서의 선형 성장률은 더 높은 σ₈⁰ 값을 지지하며, 이는 σ₈ 갈등 완화에 기여하고 배경 결과와 일관된다.
• 최적화된 모델에서 유도된 S₈⁰ 파라미터는 Planck의 추정치와 매우 밀접하게 일치하며, 저적색도 측정치와의 갈등을 줄인다.
• 다양한 데이터 조합에 걸쳐 결과가 강건하며, Ωₘ⁰ ∈ [0.33, 0.35]로 나타나 배경 및 섭동 데이터 모두와의 일관성을 보여준다.