Nonparametric Variational Inference Reconstruction of the Cosmic Expansion History from SNe Ia -- the \texttt{charm2} code

Riassunto Tecnico: Ricostruzione Nonparametrica della Storia dell'Espansione Cosmica tramite il codice charm2

1. Il Problema (Context & Motivation)

Il modello standard della cosmologia, $\Lambda$CDM, assume che l'energia oscura sia una costante cosmologica ($\Lambda$). Tuttavia, recenti analisi di dati (come quelli del DESI) suggeriscono deboli indizi di un'energia oscura dinamica (EDE - Evolving Dark Energy).
Il problema principale risiede nel bias del modello: la maggior parte delle analisi cosmologiche utilizza modelli parametrici (come $w_0w_a$CDM). Se la forma funzionale assunta per l'evoluzione dell'energia oscura è errata, i parametri estratti saranno distorti. Per ovviare a ciò, è necessario un approccio di inferenza agnostica o nonparametrica, capace di ricostruire la storia dell'espansione senza imporre una forma matematica predefinita.

2. Metodologia (Methods & Approach)

Il lavoro presenta charm2 (cosmic history agnostic reconstruction method No. 2), un codice basato sulla Information Field Theory (IFT).

• Definizione del Segnale: Invece di modellare direttamente la densità di energia $\rho$, il codice ricostruisce il segnale $s(x) = \ln(\rho(x)/\rho_0)$ su una scala doppio-logaritmica, dove $x = \ln(1+z)$. In queste coordinate, il modello $\Lambda$CDM appare come una funzione lineare a tratti, rendendo le deviazioni (oscillazioni) più facili da gestire come un processo stazionario.
• Modello Generativo: Il segnale è composto da una componente lineare ($\alpha x + \beta$) che cattura il trend dominante e una componente nonparametrica tramite un Correlated Field Model (CFM). Quest'ultimo utilizza un processo gaussiano con uno spettro di potenza a legge di potenza ($p_s(k) \propto k^{-4}$), permettendo di catturare fluttuazioni attorno al trend medio.
• Inferenza Geometrica (geoVI): A differenza del predecessore (charm1), che utilizzava un'approssimazione lineare, charm2 impiega l'inferenza variazionale geometrica (geoVI). Questo algoritmo trova una trasformazione di coordinate che "appiattisce" la distribuzione posterior curva, permettendo un'approssimazione gaussiana molto più accurata e una gestione corretta delle non-linearità del modello di risposta (legato alla distanza di luminosità delle Supernovae Ia).
• Dati Analizzati: Sono stati utilizzati i dataset di Supernovae Ia (SNIa): Union2.1, Pantheon+, DESY5 e la versione ricalibrata DESY5-Dovekie.

3. Contributi Chiave (Key Contributions)

• Sviluppo di charm2: Un'evoluzione del codice charm1 che introduce il trattamento rigoroso delle non-linearità e delle incertezze tramite geoVI.
• Approccio Agnostico: Capacità di ricostruire l'evoluzione della densità energetica senza assumere un'equazione di stato ($w$) specifica, riducendo il rischio di bias sistematici.
• Integrazione di Iperparametri: Il modello inferisce direttamente parametri come il livello di fluttuazione ($b$), rendendo l'analisi robusta rispetto alla scelta della complessità del modello.

4. Risultati (Results)

• Consistenza con $\Lambda$CDM: Per i dataset Union2.1 e Pantheon+, le ricostruzioni sono pienamente compatibili con il modello $\Lambda$CDM standard. La ricostruzione di Pantheon+ mostra una deviazione da Planck2018 a bassi redshift, riflettendo la nota "tensione di Hubble".
• Segnali di Energia Oscura Evolutiva: Il dataset DESY5 mostra una deviazione significativa dal $\Lambda$CDM in un intervallo di redshift $z \in [0.57, 1.17]$, compatibile con un modello di energia oscura dinamica. Tuttavia, l'analisi del dataset ricalibrato DESY5-Dovekie mostra una riduzione di tale deviazione, suggerendo che il segnale nel DESY5 originale potesse essere influenzato da sistematiche di calibrazione.
• Selezione del Modello (ELBO): Utilizzando la metrica Evidence Lower Bound (ELBO) per il confronto tra modelli, gli autori concludono che non vi è evidenza statistica definitiva a favore di modelli non-parametrici o EDE. Il modello $\Lambda$CDM rimane preferito per il principio di parsimonia (Occam's Razor).
• Analisi del Rumore: Un esperimento su dati sintetici rivela un limite critico: con gli attuali livelli di rumore delle SNIa, l'ELBO tende a favorire erroneamente $\Lambda$CDM anche quando la verità fondamentale è un modello EDE. Il metodo diventerebbe decisamente efficace solo con un rumore circa 7 volte inferiore.

5. Significato e Conclusioni (Significance)

Il lavoro dimostra che, sebbene i dati attuali delle Supernovae possano mostrare "segnali" di nuova fisica (come nel caso DESY5), questi non sono ancora sufficientemente forti da superare la preferenza statistica per il modello $\Lambda$CDM quando si applicano criteri di selezione del modello rigorosi.

L'importanza di charm2 risiede nella sua capacità di fornire un test di stress agnostico ai modelli cosmologici: esso funge da strumento per verificare se le anomalie osservate siano reali deviazioni dalla fisica standard o semplici artefatti di modelli parametrici troppo rigidi. Il paper sottolinea la necessità di dati con precisione molto più elevata per poter confermare o smentire definitivamente la natura dinamica dell'energia oscura.