Controlled Tension Forecasting: Quantifying Cross-Probe Biases in $\omega_0\omega_a$CDM

Probleemstelling

Recente analyses die de DESI DR2 Baryon Acoustic Oscillations (BAO), Planck Cosmic Microwave Background (CMB) gecomprimeerde afstandsprioriteiten en Pantheon+ Supernovae (SNe) combineren, hebben milde afwijkingen gerapporteerd van het standaard $\Lambda$CDM-model, die vaak worden geïnterpreteerd als bewijs voor dynamische donkere energie (DDE) binnen de Chevallier–Polarski–Linder (CPL) parametrisatie ($\omega_0, \omega_a$). Een centrale uitdaging blijft echter: bepalen of deze afwijkingen voortkomen uit werkelijke evolutie van donkere energie of voortvloeien uit inconsistenties tussen verschillende probes, de keuze van priors of mismatches in de constructie van de likelihood. Voorgaand werk heeft aangetoond dat vertekende priors op $\Omega_{m0}$ of verschillende degeneratiegeometrieën tussen probes de geïnferrederde parameters kunstmatig kunnen verschuiven van de $\Lambda$CDM-verwachting. Dit artikel adresseert de noodzaak voor een transparant kader om te kwantificeren hoe specifieke inconsistenties tussen probes voortplanten in verschuivingen van de donkere energieparameters ($\omega_0, \omega_a, \omega_p$) binnen een uniforme inferentie-pipeline.

Methodologie

De auteurs ontwikkelen een gecontroleerd framework voor spanning-injectie met behulp van zelfconsistente mock-datasets gegenereerd vanuit een fiduciaal vlak $\Lambda$CDM-kosmologie ($\Omega_{m0}=0.30, H_0=70, \omega_0=-1, \omega_a=0$). De methodologie steunt op de volgende componenten:

1. Generatie van Mocks:

   • BAO: Afstandsratio's $D_M(z)/r_d$ en $D_H(z)/r_d$ bij DESI effectieve roodverschuivingen, gebruikmakend van DESI DR2 covariantie-matrices.
   • CMB: Gecomprimeerde afstandsprioriteiten $\{R, \ell_A, \omega_b\}$ gekalibreerd aan Planck-2018 restricties.
   • SNe: Pantheon+-achtige Hubble-diagram data met volledige statistische en systematische covarianties.
   • Mocks worden getrokken uit multivariate normaalverdelingen om de statistische eigenschappen van surveys te reproduceren.

2. Tension-Injectieschema:
   Het framework introduceert geparametriseerde mismatches (spanningen) in verder consistente mocks. Deze worden geïmplementeerd via drie modi:

   • Data-niveau: Het modificeren van theoretische voorspellingen (bijv. het verschuiven van de SNe zero-point $\Delta M$, de BAO sound horizon $\Delta r_d$, of afstandratio's).
   • Prior-niveau: Het toepassen van vertekende externe priors (bijv. het verschuiven van $\Omega_{m0}$).
   • Hybride: Het combineren van data- en prior-offsets om complexe multi-probe conflicten te simuleren.
     De primaire spanning-vector die wordt overwogen is $\Delta t = (\Delta \Omega_{m0}, \Delta H_0, \Delta M, \Delta r_d)$.

3. Analyse-pipeline:

   • Een uniforme Markov Chain Monte Carlo (MCMC) pipeline (gebruikmakend van emcee) analyseert BAO, CMB, SNe en hun combinaties.
   • De parameterruimte omvat kosmologische parameters $(\Omega_{m0}, H_0, \omega_0, \omega_a, r_d)$ en nuisance-parameters ($M, \Delta M(z)$).
   • Likelihoods worden verondersteld Gaussisch te zijn in de gecomprimeerde datavectoren.
   • Fisher Matrix Analyse: Wordt gebruikt om lineaire respons-bias schattingen af te leiden ($\Delta \theta \approx F^{-1} \nabla \chi^2$) om MCMC-resultaten aan te vullen en de relaties tussen spanning en bias in kaart te brengen.

4. Experimentele Runs:
   Er worden zeven specifieke runs uitgevoerd:

   • Run 1: Spanning-vrije baseline (valideert de pipeline).
   • Run 2: SNe $H_0$ spanning via een zero-point shift ($\Delta M \neq 0$).
   • Run 3: BAO $\Omega_{m0}$ spanning via afstand-ratio distortie.
   • Run 4: CMB akoestische-schaal spanning via een lage-$H_0$ afstandsprior.
   • Run 5: Tegengestelde BAO–CMB spanningen.
   • Run 6: SNe anker miskalibratie (subtiele zero-point shift).
   • Run 7: Gecombineerde multi-probe systematische spanning (gelijktijdige BAO en CMB offsets).

Belangrijkste Resultaten

1. Baseline Consistentie (Run 1):
   In de afwezigheid van geïnjecteerde spanningen herstelt de gezamenlijke BAO+CMB+SNe analyse de fiduciaal $\Lambda$CDM-parameters binnen $1\sigma$, wat de interne consistentie van de mock-datasets en de validiteit van de pipeline bevestigt.

2. Probe-specifieke Bias-signaturen:

   • SNe Spanning (Run 2): Een SNe zero-point shift die een hogere $H_0$ bevoordeelt ($\Delta M < 0$) dwingt de gezamenlijke posterior om te verschuiven langs de BAO+CMB degeneratierichting (lagere $H_0$, hogere $\Omega_{m0}$, $\omega_0 > -1, \omega_a > 0$). De BAO en CMB restricties domineren over de SNe voorkeur, wat een schijnbare quintessence-achtige verschuiving produceert ondanks dat de spanning voortkomt uit SNe.
   • BAO Spanning (Run 3): Een BAO voorkeur voor een lagere $\Omega_{m0}$ drijft de gezamenlijke posterior naar $\omega_0 < -1$ en $\omega_a > 0$ (phantom-achtig), wat illustreert hoe BAO-specifieke distorties DDE kunnen imiteren.
   • CMB Spanning (Run 4): Een CMB voorkeur voor een lagere $H_0$ induceert een sterke phantom-achtige verschuiving ($\omega_0 < -1, \omega_a > 0$) en een grote pivot-roodverschuiving ($z_p \approx 0$), waarbij de fit de akoestische-schaal inconsistentie compenseert via snelle late-time evolutie.
   • Tegengestelde Spanningen (Run 5): Wanneer BAO en CMB spanningen in bijna orthogonale richtingen trekken, vertegenwoordigt de gezamenlijke posterior een compromis, wat resulteert in een phantom-achtige verschuiving die milder is dan in Run 4 door gedeeltelijke annulering.
   • Gecombineerde Spanningen (Run 7): Gelijktijdige BAO ($\Omega_{m0}$) en CMB ($H_0$) spanningen produceren de grootste afwijking van $\Lambda$CDM. De CPL-parameters bewegen diep in het phantom-regime ($\omega_0 \approx -1.2, \omega_a \approx 1.1$), en de pivot-roodverschuiving verschuift anomalistisch naar $z_p \approx 1.6$, wat wijst op een verlies van geometrische coherentie waarbij de pivot buiten de beperkende kracht van enige enkele probe ligt.

3. Tension–Bias Transfer Functies:

   • 1D Relaties: De auteurs leiden empirische lineaire mapping af tussen geïnjecteerde spanningen ($\Delta \Omega_{m0}, \Delta H_0, \Delta M$) en posterior verschuivingen. Deze werken goed voor kleine, geïsoleerde spanningen.
   • 2D Kaarten: Wanneer meerdere spanningen gelijktijdig optreden, wordt de respons sterk niet-lineair en anisotroop. De 2D kaarten onthullen dat $\Delta \Omega_{m0}$ en $\Delta H_0$ niet-scheidbaar mengen, wat gebogen richels creëert in het $(\omega_0, \omega_a)$ vlak.
   • Beperkingen: De 1D lineaire transfer functies falen in het voorspellen van de magnitude van verschuivingen voor grote, realistische spanningen (bijv. DESI DR2 + CMB) omdat ze geen rekening houden met de sterke kromming van de CMB akoestische-schaal degeneratie en de niet-lineaire mixing van spanning-vectoren.

Betekenis en Claims

Het artikel positioneert zichzelf expliciet als een diagnostisch en illustratief instrument in plaats van een precisievoorspellingsmachine voor echte data. De belangrijkste bijdragen en claims zijn:

• Demonstratie van Spuria DDE: Het framework demonstreert dat schijnbare dynamische donkere energie signaturen (verschuivingen in $\omega_0, \omega_a$) puur kunnen voortkomen uit cross-probe inconsistenties in een mock universum gegenereerd vanuit exacte $\Lambda$CDM.
• Geometrische Oorsprong van Bias: De resultaten benadrukken dat de richting en magnitude van de geïnferrede biases worden bepaald door de degeneratiegeometrie van de probes. De gezamenlijke posterior volgt vaak de "steepste" of meest beperkende degeneratierichel (typisch BAO+CMB) in plaats van de richting van de geïnjecteerde spanning.
• Rol van Parametrisatie: De auteurs benadrukken dat deze resultaten specifiek zijn voor de CPL parametrisatie en het gebruik van gecomprimeerde CMB priors. Het schijnbare DDE-gedrag is een projectie-effect binnen deze specifieke basis; andere parametrisaties zouden andere bias-richtingen opleveren.
• Diagnostisch Nut: Het framework biedt een reproduceerbare methode om inference pipelines te testen. Het stelt onderzoekers in staat om te identificeren welke combinatie van probes en degeneratierichtingen het meest kwetsbaar zijn voor spanning-geïnduceerde biases voordat zij fysieke conclusies trekken uit observationele anomalieën.
• Bescheidenheid over Echte Data: De auteurs waarschuwen dat de hier afgeleide specifieke transfer functies niet parametrisatie-onafhankelijk zijn en niet direct als vervanging voor volledige likelihood-analyses van huidige data moeten worden gebruikt. Het werk dient om te verhelderen hoe inconsistenties geometrisch voortplanten, in plaats van de exacte magnitude van effecten in specifieke observationele datasets te kwantificeren.

Samenvattend betoogt het artikel dat het interpreteren van afwijkingen van $\Lambda$CDM zorgvuldige synchronisatie van absolute kalibraties over probes vereist, aangezien zelfs bescheiden cross-probe mismatches geabsorbeerd kunnen worden door flexibele late-time parametrisaties, waardoor de signaturen van dynamische donkere energie worden nagebootst.