Bayesian and frequentist perspectives agree on dynamical dark energy

Enunciado do Problema
Análises recentes de dados de Oscilações Acústicas de Bárions (BAO) do Instrumento Espectroscópico de Energia Escura (DESI), quando combinadas com dados da Radiação Cósmica de Fundo em Micro-ondas (CMB), indicaram um desvio do modelo padrão da constante cosmológica ($\Lambda$). Especificamente, análises Bayesianas usando métodos de Cadeia de Markov Monte Carlo (MCMC) sugerem uma preferência por energia escura dinâmica descrita pela parametrização de Chevallier-Polarski-Linder (CPL) ($w_0, w_a$), excluindo $w = -1$ a aproximadamente $3\sigma$. No entanto, esses intervalos de credibilidade Bayesianos dependem de escolhas específicas de priors e da marginalização de parâmetros de incerteza (nuisance parameters). Em modelos onde as restrições dos dados são fracas ou os likelihoods desviam-se da gaussianidade, os "efeitos de volume do prior" podem influenciar significativamente os resultados. Embora a colaboração DESI tenha quantificado os desvios usando $\Delta\chi^2$ frequentista, uma comparação rigorosa entre intervalos de confiança frequentistas e intervalos de credibilidade Bayesianos para os parâmetros CPL ainda não foi totalmente estabelecida. Este trabalho aborda se as restrições frequentistas sobre $w_0$ e $w_a$ concordam com os seus equivalentes Bayesianos e investiga quais conjuntos de dados impulsionam essas restrições.

Metodologia
Os autores empregam uma abordagem frequentista baseada em profile likelihoods para analisar os parâmetros do modelo CPL ($w_0, w_a$) e a densidade de matéria ($\Omega_m$).

• Conjuntos de Dados: A análise combina dados de BAO do DESI Data Release 2 (DR2) com espectros primários de CMB Planck PR3 e espectros de potência de lentes gravitacionais do Planck e do Atacama Cosmology Telescope (ACT). Dados de Supernovas do Pantheon+ e do Dark Energy Survey (DES) Ano 5 (Y5) também são incluídos em várias combinações.
• Estrutura Estatística:
  • Bayesiana: Os posteriors são obtidos usando o MontePython com priors planos ($w_0 \in [-3, 1]$, $w_0+w_a \in [-5, 0]$).
  • Frequentista: Os profile likelihoods são computados usando o código pinc (minimização por simulated annealing) interfaceado com o MontePython. O profile likelihood para um parâmetro $\theta$ é definido maximizando o likelihood sobre todos os outros parâmetros de incerteza $\nu$ para um $\theta$ fixo. Os intervalos de confiança são derivados usando o método gráfico onde $\Delta\chi^2 = 1$ (68%) e $\Delta\chi^2 = 4$ (95%).
• Modelagem: Previsões cosmológicas lineares são geradas usando o CLASS, com correções não lineares de HMCode. As massas de neutrinos são fixadas no mínimo permitido ($0,06$ eV) assumindo uma aproximação de massa degenerada.
• Decomposição: Para identificar os impulsionadores das restrições, o $\chi^2$ total é decomposto em contribuições de conjuntos de dados individuais (CMB, BAO, SNe) fixando $\Omega_m$ e maximizando o likelihood sobre outros parâmetros.

Principais Contribuições e Resultados

1. Concordância entre Paradigmas Estatísticos: O principal achado é que as restrições frequentistas sobre os parâmetros CPL $w_0$ e $w_a$ estão em excelente concordância com as restrições Bayesianas.

   • As médias dos posteriors Bayesianos e as Estimativas de Máximo Verossimilhança (MLE) frequentistas concordam dentro de $0,2\sigma$ em todas as combinações de conjuntos de dados.
   • Os tamanhos dos intervalos de credibilidade e de confiança de 68% concordam dentro de 8–9%.
   • Esta concordância sugere que os efeitos de volume do prior não estão enviesando significativamente os resultados Bayesianos neste contexto, pois os likelihoods são suficientemente restritivos.

2. Resolução de Discrepâncias de $\Omega_m$:

   • Sob o modelo $\Lambda$CDM, conjuntos de dados individuais mostram inconsistências internas leves em relação ao valor preferido da densidade de matéria $\Omega_m$ (por exemplo, o DESI prefere um $\Omega_m$ mais baixo $\sim 0,295$, enquanto o CMB prefere um $\Omega_m$ mais alto $\sim 0,315$). Forçar um ajuste combinado sob $\Lambda$CDM resulta em um compromisso que aumenta o $\chi^2$ para os conjuntos de dados individuais.
   • Ao assumir o modelo dinâmico $w_0w_a$CDM, essas discrepâncias desaparecem. Os conjuntos de dados individuais concordam com um valor central de $\Omega_m \sim 0,32$, embora com incertezas maiores devido aos dois parâmetros adicionais livres. Isso confirma que a preferência por DE dinâmica surge da capacidade do modelo de ajustar simultaneamente as preferências divergentes de $\Omega_m$ de diferentes conjuntos de dados.

3. Impulsionadores das Restrições:

   • As restrições sobre $w_0$ e $w_a$ são impulsionadas principalmente pelos dados de BAO e Supernovas, com o CMB desempenhando um papel subdominante.
   • A melhoria no ajuste ($\Delta\chi^2$) em relação ao $\Lambda$CDM é mais significativa quando combinando CMB, DESI e DES Y5 ($\Delta\chi^2 \approx -11$ para 2 graus de liberdade extras).

4. Equação de Estado no Redshift de Pivô:

   • Os autores projetam as restrições para o redshift de pivô $z_p$ e a equação de estado $w_p$. Ambos os métodos, Bayesiano e frequentista, encontram $w_p \approx -1$.
   • Isso indica que os dados atuais são mais sensíveis à derivada da equação de estado ($w_a \neq 0$) do que a um desvio médio de $-1$. Os modelos de melhor ajuste sugerem uma transição de um regime "fantasma" ($w < -1$) em baixos redshifts para um regime não-fantasma em torno do redshift de pivô.

Significância
O artigo valida a robustez das descobertas anteriores sobre energia escura dinâmica ao demonstrar que a preferência por $w_0 > -1$ e $w_a < 0$ não é um artefato da seleção de priors Bayesianos ou de técnicas de marginalização. A análise de profile likelihood frequentista corrobora os resultados Bayesianos, confirmando que a tensão entre os conjuntos de dados (especificamente em relação a $\Omega_m$) é resolvida ao permitir energia escura dinâmica. Os autores concluem que, embora os dados desafiem o modelo $\Lambda$CDM, eles permanecem mais sensíveis à evolução da equação de estado da energia escura do que a um desvio estático de uma constante cosmológica. Dados futuros serão necessários para determinar se este desafio ao modelo padrão persiste.