[论文解读] An approach to cold dark matter deviation and the $H_{0}$ tension problem by using machine learning

E. Elizalde, J. Gluza+1 more|arXiv (Cornell University)|Apr 2, 2021

Cosmology and Gravitation Theories参考文献 44被引用 6

一句话总结

本文提出一种基于贝叶斯推断的机器学习方法，用于研究冷暗物质（CDM）范式偏离作为解决 $H_0$ 紧迫问题的方案。通过分析红移范围 $z \in [0,2]$、$[0,2.5]$ 和 $[0,5]$ 的 $H(z)$ 数据，研究发现非零暗物质状态方程（$\omega_{dm} \neq 0$）显著缓解了 $H_0$ 紧迫，尤其在具有动力学暗能量（$\omega_{de} \neq -1$）的模型中，表明存在标准 CDM 之外的新物理。

ABSTRACT

In this work, two different models, one with cosmological constant $Λ$, and baryonic and dark matter (with $ω_{dm} eq 0$), and the other with an $X$ dark energy (with $ω_{de} eq -1$), and baryonic and dark matter (with $ω_{dm} eq 0$), are investigated and compared. Using Bayesian machine learning analysis, constraints on the free parameters of both models are obtained for the three redshift ranges: $z\in [0,2]$, $z\in [0,2.5]$, and $z\in [0,5]$, respectively. For the first two redshift ranges, high-quality observations of the expansion rate $H(z)$ exist already, and they are used for validating the fitting results. Additionally, the extended range $z\in [0,5]$ provides predictions of the model parameters, verified when reliable higher-redshift $H(z)$ data are available. This learning procedure, based on the expansion rate data generated from the background dynamics of each model, shows that, at cosmological scales, there is a deviation from the cold dark matter paradigm, $ω_{dm} eq 0$, for all three redshift ranges. The results show that this approach may qualify as a solution to the $H_{0}$ tension problem. Indeed, it hints at how this issue could be effectively solved (or at least alleviated) in cosmological models with interacting dark energy.

研究动机与目标

• 研究冷暗物质范式偏离（$\omega_{dm} \neq 0$）是否能解决 $H_0$ 紧迫问题。
• 比较两种宇宙学模型：一种为宇宙常数（$\Lambda$）模型，另一种为动力学暗能量（$\omega_{de} \neq -1$）模型，两者均包含非零 $\omega_{dm}$。
• 利用高质量 $H(z)$ 数据在 $z \in [0,2]$ 和 $[0,2.5]$ 范围内验证模型约束，并对 $z \in [0,5]$ 进行未来数据预测。
• 评估所学习的 $\omega_{dm} \neq 0$ 偏离是否能解释 $z=2.34$ 处的 BOSS 实验结果。
• 探索 $\omega_{dm} \neq 0$ 偏离是否可作为缓解宇宙学紧张关系的替代方案，替代相互作用暗能量模型。

提出的方法

• 使用 PyMC3 框架的贝叶斯机器学习方法，从模拟的 $H(z)$ 数据中推断模型参数的后验分布。
• 每个宇宙学模型的膨胀率 $H(z)$ 由其背景动力学生成，包括 $\Lambda$CDM 模型中 $\omega_{dm} \neq 0$ 和 $X$-CDM 模型中 $\omega_{de} \neq -1$ 且 $\omega_{dm} \neq 0$。
• 针对三个红移范围：$[0,2]$、$[0,2.5]$ 和 $[0,5]$ 进行约束分析，其中后者用于未来数据验证的预测。
• 该方法将模型预测与观测的 $H(z)$ 数据进行比较，特别关注 $z=2.34$ 处的 BOSS 测量结果。
• 分析采用基于似然的推断方法，结合明确定义的先验和采样技术，以确保统计稳健性。
• 评估所学习的 $\omega_{dm}$ 偏离与未来高红移 $H(z)$ 观测结果的兼容性。

实验结果

研究问题

• RQ1 非零暗物质状态方程（$\omega_{dm} \neq 0$）是否能在不引入非引力相互作用的情况下解决 $H_0$ 紧迫？
• RQ2 在具有动力学暗能量（$\omega_{de} \neq -1$）的模型中，$\omega_{dm} \neq 0$ 偏离相较于 $\Lambda$CDM 表现如何？
• RQ3 所学习的 $\omega_{dm}$ 偏离是否能解释 BOSS 实验在 $z=2.34$ 处的 $H(z)$ 测量结果？
• RQ4 $z \in [0,5]$ 的预测范围对 $\omega_{dm}$ 偏离施加了何种约束？其是否与未来高红移数据兼容？
• RQ5 $\omega_{dm} \neq 0$ 偏离是否可作为缓解宇宙学紧张关系的可行替代方案，替代相互作用暗能量模型？

主要发现

• 研究发现，在所有红移范围 $[0,2]$、$[0,2.5]$ 和 $[0,5]$ 内，$\Lambda$CDM 和 $X$-CDM 模型中均存在显著偏离冷暗物质范式的现象，表现为 $\omega_{dm} \neq 0$。
• $\omega_{dm} \neq 0$ 偏离有效缓解了 $H_0$ 紧迫，尤其在 $\omega_{de} \neq -1$ 的 $X$-CDM 模型中表现更佳。
• 在 $\omega_{dm} \neq 0$ 的 $\Lambda$CDM 模型中，该偏离虽未能解决 $H_0$ 紧迫，但成功解释了 $z=2.34$ 处 BOSS 的 $H(z)$ 测量结果。
• $z \in [0,5]$ 的预测表明，高红移 $H(z)$ 数据可能与 $X$-CDM 模型中所学习的 $\omega_{dm}$ 偏离存在张力，提示该偏离存在下限。
• 除 $\Omega_b$ 外，所有自由参数均受到严格约束，表明推断过程具有高度统计精度。
• 结果表明，仅通过更冷的暗物质组分（无需非引力相互作用）即可作为 $H_0$ 紧迫的可行解决方案，指向标准 CDM 之外的新物理。