[論文レビュー] Reconstructing Dark Energy : A Comparison of Cosmological Parameters

Alexander V. Pan, Ujjaini Alam|arXiv (Cornell University)|Dec 7, 2010

Solar and Space Plasma Dynamics被引用数 3

ひとこと要約

本稿は、超新星データを用いた暗黒エネルギーの再構築に向けた宇宙論的パラメータを評価し、ハッブルパラメータの1階微分から導かれるOm診断が、特に物質密度の不確実性に依存しない点を除き、他のパラメータよりも優れた性能を示すことを明らかにした。減速パラメータや状態方程式、暗黒エネルギー密度といった物理的パラメータは、物質密度が不確実な場合に著しく性能を発揮しない。

ABSTRACT

A large number of cosmological parameters have been suggested for obtaining information on the nature of dark energy. In this work, we study the efficacy of these different parameters in discriminating theoretical models of dark energy, using both currently available supernova (SNe) data, and simulations of future observations. We find that the current data does not put strong constraints on the nature of dark energy, irrespective of the cosmological parameter used. For future data, we find that the although deceleration parameter can accurately reconstruct some dark energy models, it is unable to discriminate between different models of dark energy, therefore limiting its usefulness. Physical parameters such as the equation of state of dark energy, or the dark energy density do a good job of both reconstruction and discrimination if the matter density is known to high accuracy. However, uncertainty in matter density reduces the efficacy of these parameters. A recently proposed parameter, Om(z), constructed from the first derivative of the SNe data, works very well in discriminating different theoretical models of dark energy, and has the added advantage of not being dependent on the value of matter density. Thus we find that a cosmological parameter constructed from the first derivative of the data, for which the theoretical models of dark energy are sufficiently distant from each other, and which is independent of the matter density, performs the best in reconstructing dark energy from SNe data.

研究の動機と目的

• 超新星データからの暗黒エネルギー再構築に向けた、さまざまな宇宙論的パラメータの有効性を評価すること。
• 理論的暗黒エネルギーモデルを区別するための、さまざまなパラメータの識別力の比較。
• 物質密度の不確実性が、物理的暗黒エネルギーパラメータの性能に与える影響の評価。
• デゲネラシーに強く、現在および将来の観測制約下でも良好に機能するパラメータの同定。

提案手法

• 一般のフィッティング関数を用いたパラメトリック再構築法により、暗黒エネルギーのパラメータをモデル化する。
• 平坦な宇宙を仮定し、Union2超新星データおよび将来のシミュレートされたデータに対して最尤法を適用する。
• 減速パラメータ $q$、状態方程式 $w_{DE}$、暗黒エネルギー密度 $\Omega_{DE}$、およびOm診断を含むパラメータを評価する。
• 再構築の精度を $\delta^2_p$（再構築されたパラメータの分散）で、識別力の指標をモデル比較により定量化する。
• 物質密度 $\Omega_{0\rm m}$ の事前分布を変化させた場合の性能評価を、特に不確実性が存在する状況で行う。
• 3つの理論的暗黒エネルギーモデル（A：宇宙定数、B：クイントェッセンス、C：急激に変化する（例：チャプロイギンガス））の間で結果を比較する。

実験結果

リサーチクエスチョン

• RQ1 どの宇宙論的パラメータが超新星データからの暗黒エネルギーモデル再構築において最も正確な結果をもたらすか？
• RQ2 物質密度 $\Omega_{0\rm m}$ の不確実性が、$w_{DE}$ や $\Omega_{DE}$ といった物理的暗黒エネルギーパラメータの性能にどのように影響するか？
• RQ3 減速パラメータ $q$ は、良好な再構築性能を示すが、異なる暗黒エネルギーモデルを効果的に識別できるか？
• RQ4 ハッブルパラメータの1階微分から構築されたOm診断は、他のパラメータと比較して再構築および識別性能でどのように差を示すか？
• RQ5 データの1階微分から得られるパラメータが、2階微分または幾何的パラメータよりも優れた性能を示す条件は何か？

主な発見

• Om診断は、すべてのモデルにおいて最も狭い誤差バー（$\delta^2_p$）を示し、暗黒エネルギーパラメータの再構築が最も正確であることを示している。
• 減速パラメータ $q$ はモデルAおよびBでは良好に再構築されるが、特にモデルCでは値が重複するため、モデル間の識別に失敗する。
• 物理的パラメータ $w_{DE}$ および $\Omega_{DE}$ は、$\Omega_{0\rm m}$ が高精度に既知である場合にのみ良好に機能するが、物質密度の不確実性があると著しく性能が低下する。
• 強烈に変化するモデルCは、物質密度の不確実性に対して特に敏感であり、$w_{DE}$ および $\Omega_{DE}$ の再構築における誤差バーが著しく大きくなる。
• Omパラメータは、3つのモデルすべてを効果的に識別でき、物質密度が不確実であっても、識別基準において他のすべてのパラメータを上回る性能を示した。
• 特に物質密度に依存しないパラメータとして、データの1階微分から得られるパラメータ（特にOm）は、2階微分または幾何的パラメータよりも優れた性能を示す。