[论文解读] Model-Independent Test of Prerecombination New Physics: Measuring the Sound Horizon with Gravitational Wave Standard Sirens and the Baryon Acoustic Oscillation Angular Scale

William Giarè, Jonathan C. Betts+2 more|arXiv (Cornell University)|Jun 11, 2024

Computational Physics and Python Applications被引用 5

一句话总结

本文提出一种模型无关的方法，通过将引力波标准信使与 BAO 角尺度相结合，在重子拖拽时期估计声学视界，并使用机器学习在同一红shift对齐数据集。它在 z<1 的区间预测精度低于 2%（甚至约 1.5%），从而对早期宇宙物理和哈勃张力进行强一致性检验。

ABSTRACT

In a broad class of cosmological models where spacetime is described by a pseudo-Riemannian manifold, photons propagate along null geodesics, and their number is conserved, upcoming Gravitational Wave (GW) observations can be combined with measurements of the Baryon Acoustic Oscillation (BAO) angular scale to provide model-independent estimates of the sound horizon at the baryon-drag epoch. By focusing on the accuracy expected from forthcoming surveys such as LISA GW standard sirens and DESI or Euclid angular BAO measurements, we forecast a relative precision of $σ_{r_{ m d}} /r_{ m d} \sim 1.5\%$ within the redshift range $z \lesssim 1$. This approach will offer a unique model-independent measure of a fundamental scale characterizing the early universe, which is competitive with model-dependent values inferred within specific theoretical frameworks. These measurements can serve as a consistency test for $Λ$CDM, potentially clarifying the nature of the Hubble tension and confirming or ruling out new physics prior to recombination with a statistical significance of $\sim 4σ$.

研究动机与目标

• 推动对早期宇宙物理的模型无关检验，以解决哈勃张力问题。
• 提出一种通过距离对偶关系将 GW 标准信使与 BAO 角尺度相结合的方法。
• 利用机器学习在不依赖具体模型的前提下，将光度距离插值至 BAO 红移。
• 在 z≲1 的红移范围内，预测使用未来 DESI/Euclid BAO 与 LISA GW 数据得到的 r_d 的精度。

提出的方法

• 由距离对偶关系推导出一个模型无关的关系 r_d = theta_BAO(z) D_L^{GW}(z) / (1+z)。
• 利用引力波标准信使在不同红移下测量 D_L^{GW}(z)，并用 ML (ANN) 回归将其外推/插值至 BAO 红移。
• 预测 DESI 风格和 Euclid 风格调查的角尺度 theta_BAO(z)。
• 结合模拟的 GW 与 BAO 数据，在不假设特定宇宙学模型的前提下，估计 r_d 的相对精度 σ_{r_d}/r_d。

实验结果

研究问题

• RQ1 当结合 BAO 角尺度时，GW 标准信使是否能提供对声学视界 r_d 的模型无关估计？
• RQ2 在一个模型无关的框架下，使用未来的 GW 和 BAO 数据可以达到多高的 r_d 精度（σ_{r_d}/r_d）？
• RQ3 哪些调查组合（DESI/Euclid 与 ET/LISA）在 z≲1 区间能给出最有信息量的 r_d 约束？
• RQ4 推断得到的 r_d 能否检验为解决哈勃张力而提出的早期时物理新理论？

主要发现

红移	DESI+ET	DESI+LISA	EUCLID+ET	EUCLID+LISA
0.15	4.3%	3.5%	–	–
0.25	7.5%	2.2%	–	–
0.35	9.7%	1.7%	–	–
0.45	11.5%	1.5%	–	–
0.55	13.1%	1.4%	–	–
0.65	14.8%	1.5%	14.2%	1.6%
0.75	16.2%	1.6%	15.5%	1.5%
0.85	17.5%	1.8%	16.9%	1.7%
0.95	18.6%	2.0%	18.2%	1.9%
1.05	19.6%	2.2%	19.5%	2.3%
1.15	20.4%	2.5%	20.6%	2.7%
1.25	21.2%	2.7%	21.5%	3.1%
1.35	21.8%	2.9%	22.2%	3.4%
1.45	22.4%	3.2%	22.6%	3.8%
1.55	22.9%	3.6%	22.8%	4.2%
1.65	23.5%	4.2%	23.0%	4.8%
1.75	24.0%	5.2%	23.2%	5.8%
1.85	24.6%	6.2%	23.3%	5.4%
1.95	–	–	23.5%	6.0%
2.05	–	–	24.12%	7.9%

• DESI+LISA 或 Euclid+LISA 组合在 z≲1 时可达到约 1.5% 的相对精度。
• DESI+ET 或 Euclid+ET 产生更大的不确定性，常在 4–20% 以上，限制其在无模型 r_d 精确估计中的有效性。
• 将 LISA 与 BAO 测量结合为最有利的精度窗口（z≲1），实现稳健的模型无关 r_d 确定。
• 预测的 r_d 1.5–2% 精度可在约 4σ 下测试早期时的新物理，可能排除或验证在重组前的修改。
• 该方法提供对 ΛCDM 的模型无关一致性检验，并可阐明哈勃张力是否需要重组前的新物理。