Temporal Slot Selection in an FRW Disformal Background under External Hubble-Constant Constraints

기술 요약: 외부 허블 상수 제약 조건 하에서의 FRW 디스포멀 배경 내 시간적 슬롯 선택

문제 정의
후기 우주 가속은 관측적으로 확립되었으나, 표준 $\Lambda$CDM 모델은 허블 상수($H_0$) 텐션 문제에 직면해 있다. 다양한 수정 중력 및 암흑 에너지 모델이 존재하지만, 배경 수준의 성공만으로는 유일한 물리적 메커니즘을 식별할 수 없다. 본 논문은 제한된 패밀리의 프리드만-로버트슨-워커(FRW) 디스포멀 변환 내에서 특정한 진단적 질문을 다룬다. 즉, 만약 FRW 메트릭이 제어된 디스포멀 변환에 의해 변형된다면, 외부 $H_0$ 정보와 결합된 후기 우주 배경 데이터가 시간적 섹터(temporal sector)의 변형과 공간적 섹터(spatial sector)의 변형 중 무엇을 선택하는가?

본 연구는 $\Lambda$CDM을 대체하거나 임의의 자유 함수를 재구성하려는 주장을 명시적으로 피한다. 대신, 동일한 1-매개변수 복잡도(one-parameter complexity) 조건에서, 외부 $H_0$ 제약이 부과될 때 "시간적 슬롯" 또는 "공간적 슬롯" 중 어느 것이 생존 가능한지를 묻는다.

방법론

• 이론적 프레임워크: 본 논문은 일반적인 디스포멀 변환 $g^{\text{dis}}_{\mu\nu} = C(z)g_{\mu\nu} + D(z)n_\mu n_\nu$를 균질-등방성 배경 수준에서 두 개의 독립적인 슬롯인 시간적 슬롯 $T(z) = C(z) - D(z)$와 공간적 슬롯 $S(z) = C(z)$로 축소한다. 선 요소(line element)는 $ds^2_{\text{dis}} = -T(z)d\tau^2 + S(z)a(\tau)^2 d\Sigma_k^2$가 된다.
• 활성화 사다리(Activation Ladder): 분석은 다음과 같은 활성화 패턴의 "사다리"를 테스트한다:
  1. No-slot: $T=1, S=1$ (참조 모델).
  2. Spatial-only (1p): $T=1, S \neq 1$ (1-매개변수).
  3. Temporal-only (1p): $T \neq 1, S=1$ (1-매개변수).
  4. Higher-profile branches: 2-매개변수 시간적 전용 및 전체 2-슬롯 분기. 이들은 선택된 모델이라기보다 경계 진단으로서 취급된다.
• 데이터 및 가능도(Likelihood): 적합(fit)에는 세 가지 상호 보완적인 후기 배경 프로브를 활용한다:
  • Pantheon+ Hubble-flow Type-Ia 초신성 (적분된 광도 거리).
  • DESI DR1 BAO 측정값 (횡단, 반경 방향 및 부피 평균 거리).
  • 32개 지점의 코스믹 크로노미터(cosmic-chronometer) 컴필레이션 (직접적인 $H(z)$ 측정).
• 경계 인식 정식화: 모델이 비물리적인 $H_0$ 값으로 표류하여 데이터를 맞추는 "저-$H_0$ 보상(low-$H_0$ compensation)" 아티팩트를 피하기 위해, 본 연구는 외부 $H_0$ 정보를 하드 월(hard wall)이 아닌 가우시안 가능도 항($\chi^2_{H_0}$)으로 도입한다. 전체 통계량은 $\chi^2_{\text{tot}} = \chi^2_{\text{data}} + \chi^2_{H_0}$로 분해된다.
• 비교 전략: 결정적인 테스트는 1-매개변수 공간적 전용 분기와 1-매개변수 시간적 전용 분기 간의 매칭된 복잡도 비교이다. 고차 프로파일 분기들은 오직 경계 진단용으로만 분석된다.

주요 결과

Planck-유사 외부 $H_0$ 제약($H_0 = 67.4 \pm 0.5$) 하에서:

1. 매칭된 복잡도 선택: 시간적 전용 1-매개변수 분기가 공간적 전용 1-매개변수 분기보다 선호된다.
   • 데이터 전용 통계량: 시간적 분기는 $\chi^2_{\text{data}} \approx 1409.4$를 달성하는 반면, 공간적 분기는 $\chi^2_{\text{data}} \approx 1435.6$를 달성한다. 이는 시간적 분리에 유리한 $\Delta\chi^2_{\text{data}} = 26.15$의 차이를 보인다.
   • 외부 캘리브레이션: 시간적 분기는 외부 캘리브레이션 근처($H_0 \approx 66.4, \chi^2_{H_0} \approx 4.0$)에 머문다. 반면, 공간적 분기는 데이터를 맞추기 위해 저-$H_0$ 영역($H_0 \approx 62.1$)으로 표류하며, 큰 페널티($\chi^2_{H_0} \approx 111.1$)를 입는다.
2. 데이터 블록 트레이드오프: 선호도는 모든 데이터 블록에서 균일하지 않다.
   • 공간적 분기는 초신성 데이터를 더 잘 맞춘다 ($\chi^2_{\text{SN}}$가 더 낮음).
   • 시간적 분기는 BAO 데이터를 현저히 더 잘 맞춘다 ($\chi^2_{\text{BAO}}$가 더 낮음).
   • 시간적 분기는 코스믹 크로노미터 블록에서 성능이 떨어진다 ($\chi^2_{\text{CC}}$가 더 높음).
   • 순 결과는 결합된 통계량 및 외부 호환성 측면에서 시간적 분기가 승리하는 공동 거리-팽창 트레이드오프이다.
3. 경계 진단: 고차 프로파일 분기(Temporal-only 2p 및 Full two-slot)는 원시 $\chi^2_{\text{data}}$를 더 낮추지만 ($\chi^2_{\text{data}} \approx 1294$ for Temporal 2p), 프로파일 경계 $n=5.0$에 도달한다. 따라서 이들은 선택된 물리 모델이 아니라 프로파일 지수의 민감도를 나타내는 경계 진단으로 취급된다.
4. 벤치마킹: 평탄한 $\Lambda$CDM이 여전히 가장 강력한 외부 벤치마크($\chi^2_{\text{tot}} \approx 1238.5$)로 남아 있으며, 이는 디스포멀 사다리가 표준 모델을 대체하는 것이 아니라 내부적인 섹터 선택 테스트 역할을 수행함을 확인시켜 준다.

의의 및 주장

본 논문은 디스포멀 배경 구조에 대해 다음과 같은 겸허하고 내부적인 주장을 펼친다:

• 섹터 선택: 제한된 FRW 디스포멀 패밀리 내에서, "공간적 전용" 경로는 1-매개변수로 제한될 때 외부 캘리브레이션과 호환되지 않는 저-$H_0$ 보상 채널로 식별된다. "시간적 전용" 경로는 동일한 복잡도에서 더 깨끗하고 경계 문제가 없는 생존자이다.
• 설계 제약: 디스포멀 우주론 모델링을 위한 결과로서, 이 연구는 이 패밀리 내에서 첫 번째로 유효한 변형은 공간적 변형보다는 시간적 변형이어야 한다는 제약을 제공한다.
• 방법론적 기여: 본 연구는 진정한 섹터 선택과 매개변수 경계 또는 저-$H_0$ 보상의 아티팩트를 구분하기 위해 통계량을 데이터 전용 성분과 외부 캘리브레이션 성분으로 분해하는 것의 필요성을 입증한다.
• 한계: 저자들은 이것이 배경 수준의 테스트일 뿐임을 명시적으로 밝힌다. 이는 섭동, 구조 성장, 전체 CMB 가능도 또는 임의의 함수 재구성을 다루지 않는다. 또한 허블 텐션을 해결하거나 $\Lambda$CDM을 대체한다고 주장하지 않는다.

요약하자면, 본 논문은 외부 $H_0$ 제약 하에서, 테스트된 FRW 디스포멀 사다리 내의 1-매개변수 공간적 분기보다 시간적 1-매개변수 분기가 선호되는 내부 솔루션임을 결론짓는다. 이는 주로 시간적 분기가 공간적 분기를 괴롭히는 저-$H_0$ 보상 동작을 피하기 때문이다.