[논문 리뷰] Principal reconstructed modes of dark energy and gravity

Marco Raveri, Levon Pogosian외 4명|arXiv (Cornell University)|2021. 07. 27.

Cosmology and Gravitation Theories인용 수 5

한 줄 요약

이 논문은 우주론적 데이터의 공분산 행렬에 대한 주성분 분석을 사용하여 암흑 에너지와 수정 중력 효과의 비모수적 재구성 기법을 제시한다. 현재 데이터에 의해 제약을 받는 15개의 병합 고유모드가 ΛCDM에서의 편차를 제약하는 데 있어 일반적인 모수적 모형이 심각한 편향을 유도한다는 점을 밝혀낸다.

ABSTRACT

Recently, in [1], we presented the first combined non-parametric reconstruction of the three time-dependent functions that capture departures from the standard cosmological model, $Λ$CDM, in the expansion history and gravitational effects on matter and light from the currently available combination of the background and large scale structure data. The reconstruction was performed with and without a theory-informed prior, built on the general Horndeski class of scalar-tensor theories, that correlates the three functions. In this work, we perform a decomposition of the prior and posterior covariances of the three functions to determine the structure of the modes that are constrained by the data relative to the Horndeski prior. We find that the combination of all data can constrain 15 combined eigenmodes of the three functions with respect to the prior. We examine and interpret their features in view of the well-known tensions between datasets within the $Λ$CDM model. We also assess the bias introduced by the simplistic parameterizations commonly used in the literature for constraining deviations from GR on cosmological scales.

연구 동기 및 목표

• 현재 우주론적 데이터를 사용하여 효과적인 암흑 에너지 밀도 ΩX(z)와 수정 중력 함수 μ(z), Σ(z)의 공동 비모수적 재구성을 수행한다.
• 혼드스키 스칼라-텐서 이론에 기반한 이론에 기반한 사전 분포가 시간에 따라 변화하는 우주론적 함수의 재구성에 미치는 영향을 평가한다.
• 주성분 분해를 통해 혼드스키 사전에 비해 데이터가 제약을 받는 독립적인 모드의 수를 정량화한다.
• 일반적인 모수적 형태(예: 일정한 w, CPL, 선형 μ)가 암흑 에너지 및 중력 편차를 모델링할 때 유도하는 편향을 평가한다.
• 어느 데이터 특성이나 적색편이 영역이 우주론적 함수의 주성분을 제약하는 데 가장 기여하는지 식별한다.

제안 방법

• CMB, BAO, SN, RSD, 은하 수세기, 약한 렌즈링 데이터의 조합을 사용하여 ΩX(z), μ(z), Σ(z)의 비모수적 재구성을 수행한다.
• 혼드스키 스칼라-텐서 이론의 클래스에서 유도된 사전 분포를 적용하여 세 함수 간의 상관관계를 설정하고 물리적으로 불가능한 진동을 억제한다.
• 공변 주성분(Covariant Principal Component, CPC) 분석을 사용하여 세 함수의 사전 및 사후 공분산 행렬을 분해한다.
• 혼드스키 사전에 비해 데이터가 제약을 받는 독립적인 고유모드의 수를 식별하고, 허용 가능한 편차의 효과적 차원을 정량화한다.
• 베이지안 증거와 신호 대 잡음비(SNR)를 사용하여 재구성된 함수를 일반적인 모수적 형태(예: 일정한 w, CPL, 선형 μ)와 비교하여 편향을 평가한다.
• 주성분의 적색편이 의존성을 시각화하고 해석하여 데이터 특성과 제약을 받는 모드를 연결한다.

실험 결과

연구 질문

• RQ1 현재 데이터는 혼드스키 사전에 비해 세 우주론적 함수(ΩX, μ, Σ)의 독립적인 고유모드를 몇 개 제약하는가?
• RQ2 혼드스키 기반 사전을 사용할 경우 시간에 따라 변화하는 암흑 에너지 및 수정 중력 함수의 재구성에 어떤 영향을 미치는가?
• RQ3 복잡한 비모수적 변형을 允허하는 데이터를 모델링할 때 일반적인 모수적 모형(예: 일정한 w, CPL, 선형 μ)이 얼마나 편향되는가?
• RQ4 어느 데이터 세트나 적색편이 영역이 우주론적 함수의 주성분을 제약하는 데 가장 기여하는가?
• RQ5 재구성된 함수가 ΛCDM 예측에서 얼마나 벗어나며, 어떤 모드가 특정 데이터 갈등에 가장 민감한가?

주요 결과

• 현재 우주론적 데이터는 혼드스키 사전에 비해 세 함수(ΩX, μ, Σ)의 15개의 병합 고유모드를 제약한다.
• 함수 μ(z)는 가장 제약이 약하며, 오직 2개의 독립 모드만 검출되었고, Σ(z)와 ΩX(z)는 각각 8개와 6개의 모드를 제약한다.
• 이론 사전이 없을 경우, 암시적 빈 분포에 의해 고주파 진동이 지배적이 되며, 혼드스키 사전에 의해 이러한 진동이 억제된다.
• 일정한 w 및 암흑 에너지 비율 매개변수화와 같은 일반적인 모수적 형태는 심각한 편향을 유도하며, 일부 경우 이론적 상한(SNR²)에 가까워진다.
• 혼드스키 사전이 없을 경우, w(z)에 대한 CPL 매개변수화는 성능이 열악하나, 사전이 적용되면 상당히 향상된다.
• μ(a)의 선형 매개변수화는 테스트된 모델들 중에서 상대적으로 양호한 성능을 보였지만, 여전히 전체 비모수적 재구성에 비해 열등하다.