[论文解读] Putting Flat $Λ$CDM In The (Redshift) Bin

Eoin Ó Colgáin, M. M. Sheikh-Jabbari+3 more|arXiv (Cornell University)|Jun 23, 2022

Astronomy and Astrophysical Research被引用 13

一句话总结

本文表明，观测数据集中（如哈勃参数测量、Ia型超新星和类星体）最佳拟合ΛCDM参数（H₀, Ωₘ）表现出的表观红移演化，完全可能源于平坦ΛCDM模型内的统计涨落。基于DESI预测和Planck参数生成的模拟数据表明，此类演化纯属偶然发生的概率低至p = 0.0021（3.1σ），提示当前H₀与S₈之间的张力可能并非模型失效的迹象，而更可能是高红移区间中统计抽样效应所致。

ABSTRACT

Flat $Λ$CDM cosmology is specified by two constant fitting parameters at the background level in the late Universe, the Hubble constant $H_0$ and matter density (today) $Ω_m$. Mathematically, $H_0$ and $Ω_m$ are either integration constants arising from solving ordinary differential equations or are directly related to integration constants. Seen in this context, if fits of the $Λ$CDM model to cosmological probes at different redshifts lead to different $(H_0, Ω_m)$ parameters, this is a mismatch between mathematics and observation. Here, in mock observational Hubble data (OHD) (geometric probes of expansion history) we demonstrate evolution in distributions of best fit parameters with effective redshift. As a result, considerably different $(H_0, Ω_m)$ best fits from Planck-$Λ$CDM cannot be precluded in high redshift bins. We explore if OHD, Type Ia supernovae and standardisable quasar samples exhibit redshift evolution of best fit $Λ$CDM parameters. In all samples, we confirm a decreasing $H_0$ and increasing $Ω_m$ trend with increasing bin redshift. Through comparison with mocks, we confirm that similar behaviour can arise randomly within the flat $Λ$CDM model with probabilities as low as $p = 0.0021$ ($3.1 \, σ$). We present complementary profile distribution analysis confirming the shifts in cosmological parameters in high redshift bins. In particular, we identify a redshift range where Planck $(H_0, Ω_m)$ values are disfavoured at $99.6 \%$ ($2.9 σ$) confidence level in a combination of OHD and supernovae data.

研究动机与目标

• 调查观测数据集中ΛCDM参数（H₀, Ωₘ）随红移的表观演化是否与平坦ΛCDM模型一致，或是否表明模型失效。
• 检验高红移区间中表观参数演化的成因是否为统计伪影，而非宇宙学张力或新物理的征兆。
• 量化在平坦ΛCDM假设下，此类参数偏移由随机抽样导致的概率。
• 将观测数据（OHD, SN, QSOs）与模拟数据进行比较，评估选择偏差或模型内在行为是否可解释这些趋势。

提出的方法

• 基于DESI预测误差和Planck-ΛCDM参数（H₀ = 67.36, Ωₘ = 0.315），生成模拟H(z)数据，假设围绕模型预测值存在高斯噪声。
• 将模拟数据划分为四个红移区间（0–0.8, 0.8–1.5, 1.5–2.3, 2.3–3.6），以模拟高红移观测。
• 在每个区间内使用Ωₘh² = 0.1430 ± 0.0011的高斯先验拟合（H₀, Ωₘ）参数，以引导高红移行为。
• 重复该过程数千次，构建最佳拟合参数的统计分布，并计算观测趋势的p值。
• 使用Fisher方法合并OHD、SN和QSO样本的独立p值，评估观测演化的全局显著性。
• 系统性地将红移区间整体上移，检验参数分布如何变化，确认高红移抽样倾向于导致更低的H₀和更高的Ωₘ。

实验结果

研究问题

• RQ1 观测数据中随红移增加Ωₘ上升、H₀下降的趋势，能否由平坦ΛCDM模型内的统计涨落完全解释？
• RQ2 在模拟的ΛCDM数据中，产生与OHD、SN和QSO数据中观测到的参数趋势相匹配的概率是多少？
• RQ3 Ωₘ与H₀随红移的表观演化，是源于ΛCDM模型的数学结构，还是源于选择偏差？
• RQ4 数据质量（如误差分布）如何影响不同红移区间内最佳拟合参数的分布范围？

主要发现

• 模拟ΛCDM数据产生与观测数据相匹配的参数趋势的概率为：OHD的p = 0.021，SN的p = 0.081，QSOs的p = 0.019，表明此类趋势极不可能由偶然造成。
• 通过Fisher方法合并独立p值后，全局显著性为p = 0.0021（3.1σ），表明观测演化具有统计显著性，但仍与平坦ΛCDM模型一致。
• 在高红移区间（z ≥ 2.3），恢复Planck值Ωₘ ≈ 0.3的概率几乎降为零，因为此时模型实质上退化为单参数模型（主导项为B = H₀²Ωₘ）。
• 由于Ωₘ ≤ 1的约束，A = H₀²(1 − Ωₘ)的分布随红移增加而展宽，导致A向更小值偏移，从而使最佳拟合中的H₀增大。
• 当各区间数据质量均匀时，A的分布随红移展宽，而B的分布则变窄，证实模型在高红移时从双参数拟合过渡为单参数拟合。
• 移除Ωₘh²先验后，结果无定性改变，确认观测到的趋势具有稳健性，不依赖于先验假设。