[论文解读] Model-independent determination on $H_0$ using the latest $H(z)$ data

Deng Wang, Xin-He Meng|arXiv (Cornell University)|Oct 1, 2016

Medical Imaging Techniques and Applications被引用 4

一句话总结

本研究使用高斯过程（GP）对最新36个H(z)测量值进行模型无关的重构，得到H₀ = 69.21 ± 3.72 km s⁻¹ Mpc⁻¹。该结果在1σ水平下与Planck 2015和Riess等2016年结果一致，不确定性降低至5.4%，显著优于此前仅使用较少数据点的GP方法估计结果。

ABSTRACT

We perform the improved constraints on the Hubble constant $H_0$ by using the model-independent method, Gaussian Processes. Utilizing the latest 36 $H(z)$ measurements, we obtain $H_0=69.21\pm3.72$ km s$^{-1}$ Mpc$^{-1}$, which is consistent with the Planck 2015 and Riess et al. 2016 analysis at $1σ$ confidence level, and reduces the uncertainty from $6.5\%$ (Busti et al. 2014) to $5.4\%$. Different from the results of Busti et al. 2014 by only using 19 $H(z)$ measurements, our reconstruction results of $H(z)$ and the derived values of $H_0$ are independent of the choice of covariance functions.

研究动机与目标

• 通过使用模型无关的方法提高哈勃常数H₀估计的精度。
• 通过利用最新的36个H(z)测量值，降低H₀的不确定性，超越此前仅使用19个数据点的研究。
• 评估高斯过程重构对不同协方差函数和数据质量的鲁棒性。
• 研究高红移和高误差数据点对H₀推断的影响。
• 模拟未来数据情景，评估数据密度和质量对H₀不确定性降低的影响。

提出的方法

• 采用高斯过程（GP）作为非参数化、模型无关的方法，直接从观测H(z)数据重构H(z)，无需假设宇宙学模型。
• 使用基准模型H_fid(z) = H₀√[Ω_m₀(1+z)³ + (1−Ω_m₀)] 初始化GP，为保持一致性，将H₀设为70 km s⁻¹ Mpc⁻¹。
• 应用不同的协方差函数（如平方指数）以测试H₀重构对核函数选择的敏感性。
• 通过移除高红移（z > 1）和高误差（σ > 30 km s⁻¹ Mpc⁻¹）数据点，进行系统性误差分析，评估其影响。
• 通过蒙特卡洛模拟，使用64个和128个合成数据点，预测数据密度和质量对不确定性缩放的影响。
• 将GP推导的H₀与参数化模型（ΛCDM、ωCDM、衰减真空中）进行比较，评估不同宇宙学框架下的一致性。

实验结果

研究问题

• RQ1 能否利用最新36个H(z)数据点，通过模型无关的GP方法更精确地约束哈勃常数H₀？
• RQ2 GP中协方差函数的选择如何影响最终H₀的重构结果？该结果对核函数选择是否具有鲁棒性？
• RQ3 低红移与高红移H(z)数据对H₀不确定性的相对贡献如何？
• RQ4 高误差或高红移数据点如何影响GP对H(z)的重构及推导出的H₀？
• RQ5 未来高精度H(z)数据在多大程度上可通过基于GP的重构降低H₀的不确定性？

主要发现

• 基于GP的H₀估计为H₀ = 69.21 ± 3.72 km s⁻¹ Mpc⁻¹，在1σ水平下与Planck 2015和Riess等2016年结果一致。
• H₀的不确定性已降低至5.4%，低于此前仅使用19个H(z)测量值的GP研究中6.5%的不确定性。
• 由于更大数据样本带来的统计精度提升，重构结果对协方差函数的选择不敏感。
• 低红移H(z)数据（z < 1）在决定H₀方面起主导作用，而高红移数据贡献的可靠性较低。
• 误差大于30 km s⁻¹ Mpc⁻¹的数据点对H₀重构影响极小，表明对噪声测量具有鲁棒性。
• 模拟结果表明，提高数据密度（如从64个增至128个点）可使H₀不确定性从5.4%降至0.4%，显示出未来精度提升的巨大潜力。