[论文解读] Snowmass White Paper: Cosmology at the Theory Frontier

Raphael Flauger, V. Gorbenko+4 more|arXiv (Cornell University)|Mar 15, 2022

Earth Systems and Cosmic Evolution被引用 11

一句话总结

本文雪松会议白皮书综合了理论宇宙学的最新进展，聚焦于 de Sitter 空间、暴胀以及弦理论中的量子引力。它突出了轴子物理、有效场论和 $T\bar{T}$-变形量子场论方面的进展，同时倡导利用机器学习技术解码大尺度结构中的原初非高斯性，并求解紧化中的复杂偏微分方程，为检验量子引力和早期宇宙模型提供了新的观测与计算路径。

ABSTRACT

The precision cosmological model describing the origin and expansion history of the universe, with observed structure seeded at the inflationary cosmic horizon, demands completion in the ultraviolet and in the infrared. The dynamics of the cosmic horizon also suggests an associated entropy, again requiring a microphysical theory. Recent years have seen enormous progress in understanding the structure of de Sitter space and inflation in string theory, and of cosmological observables captured by quantum field theory and solvable deformations thereof. The resulting models admit ongoing observational tests through measurements of the cosmic microwave background and large-scale structure, as well as through analyses of theoretical consistency by means of thought experiments. This paper, prepared for the TF01 and TF09 conveners of the Snowmass 2021 process, provides a synopsis of this important area, focusing on ongoing developments and opportunities.

研究动机与目标

• 总结量子引力与弦理论前沿的理论宇宙学现状及其未来前景。
• 识别在微观物理框架下理解 de Sitter 空间、暗能量与暴胀的关键理论挑战。
• 突出轴子和 $T\bar{T}$-变形量子场论在连接弦理论与可观测宇宙现象中的作用。
• 倡导利用机器学习与数值方法求解弦紧化中的高维偏微分方程，并从大尺度结构数据中提取原初非高斯性。
• 加强宇宙学模型构建与计算技术之间的联系，包括受宇宙学动力学启发的优化算法。

提出的方法

• 利用有效场论（EFT）和可解变形（如 $T\bar{T}$）来建模加速宇宙中的红外物理，研究波函数尾部与关联函数。
• 应用拓扑数据分析（TDA）与基于模拟的推断结合机器学习，从大尺度结构图中提取非高斯特征。
• 使用神经网络作为函数试探解，数值求解负曲率紧化中度量与共形因子的内部偏微分方程。
• 借助宇宙学动力学的洞见，设计新型优化算法，其在极小值附近具有能量守恒、无摩擦的动力学特性。
• 将弦紧化中的分析工具（如 Calabi-Yau 度量与流形紧化）与数值技术相结合，计算暴胀势能与动能项。
• 整合全息原理与 AdS/CFT 上移机制，探索 de Sitter 量子引力的微观起源。

实验结果

研究问题

• RQ1 弦理论如何为 de Sitter 空间及观测到的宇宙加速膨胀提供微观物理基础？
• RQ2 轴子物理在暴胀模型中的观测信号是什么？它们如何通过 CMB 和大尺度结构巡天进行检验？
• RQ3 机器学习技术在多大程度上能改善从非线性天体物理演化中提取原初非高斯性的能力？
• RQ4 $T\bar{T}$-变形量子场论及其推广在扩展可解宇宙时空框架方面能走多远？
• RQ5 宇宙学原理能否启发机器学习与数值物理中更高效的新优化算法？

主要发现

• 近期在弦紧化方面的进展已获得 de Sitter 时空的显式控制参数与机制，包括通过 AdS/CFT 系统的上移实现。
• 轴子在弦理论得到的四维有效场论中普遍存在，为探测早期宇宙动力学与量子引力提供了通用探针。
• 机器学习技术，特别是 TDA 与基于模拟的推断，显示出强大潜力，可将原初非高斯性与引力非线性效应从大尺度结构中区分开来。
• 基于神经网络的紧化中偏微分方程求解器——尤其在非 Calabi-Yau、负曲率几何中——为计算以往难以处理的度量与暴胀势能提供了有希望的路径。
• 受宇宙学启发的优化算法，源自场依赖的速度限制，表现出有利的收敛特性，可能改善高维问题中的训练效果。
• 宇宙学模型构建与计算方法之间存在互利关系：宇宙学洞见推动机器学习发展，而机器学习进展则促进对弦论紧化的更深入探索。