🔭 astrophysics

Constraints on the baryon density from fast radio bursts using a non-parametric reconstruction of the Hubble parameter

本研究利用宇宙时钟数据对哈勃参数进行非参数重构，分析了 130 个定位良好的快速射电暴，以约束重子密度（ $\Omega_{\rm b}h^2$ ）和宿主星系贡献，发现结果与早期宇宙约束高度吻合，同时彰显了未来快速射电暴样本实现亚百分之一精度测量的潜力。

原作者： Lázaro L. Sales, Klecio E. L. de Farias, Amilcar R. Queiroz, Rafael A. Batista, Bruno W. Ribeiro, Raiff H. Santos

发布于 2026-05-05

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Lázaro L. Sales, Klecio E. L. de Farias, Amilcar R. Queiroz, Rafael A. Batista, Bruno W. Ribeiro, Raiff H. Santos

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象宇宙是一片巨大而无形的海洋，这片海洋中的“水”由我们能在恒星和气体中看到的普通物质（重子）以及大量漂浮的无形物质组成。科学家们长期以来一直试图精确测量宇宙中这种“水”究竟有多少。

这篇论文提出了一种新颖而巧妙的方法，利用**快速射电暴（FRB）**来测量这些“水”。

宇宙乒乓球

将快速射电暴想象成从遥远星系发射的一束超快、超亮的射电光闪。它就像一颗被射向宇宙深处的宇宙乒乓球。当这颗球在宇宙海洋中穿行时，它会撞击无形的电子（即“水”）。

当球撞击这些电子时，它会略微减速。低频波比高频波减速更多。等到信号抵达地球上的射电望远镜时，它已经被“拉伸”或色散了。这种拉伸的程度被称为色散量（DM）。

拉伸程度越大，意味着信号穿过的“水”（重子）越多。因此，理论上，如果我们测量拉伸程度，就能计算出水的总量。

问题：迷雾笼罩的宿主

这里有个陷阱。信号不仅要在宇宙海洋中穿行，还必须从它诞生的星系（即“宿主星系”）中逃逸出来。这就像信号在抵达开阔海洋之前，必须先游过一团浓密的局部迷雾。

我们并不确切知道每一个快速射电暴所对应的局部迷雾有多厚。有些星系迷雾重重，有些则清晰可见。如果我们对迷雾的猜测有误，那么对总海洋水量的计算也会出错。这就是科学家们必须解决的主要“简并性”问题（这是一个 fancy 的词汇，指一种令人困惑的混合状态）。

解决方案：非参数化地图

通常，为了计算信号传播的距离，科学家们会假设宇宙膨胀具有特定的形状（例如假设宇宙总是以某种特定且可预测的速率膨胀）。但如果这个假设略有偏差呢？

这些作者没有去猜测宇宙的形状，而是利用神经网络（一种人工智能）直接从真实数据（称为“宇宙计时器”）中绘制出宇宙膨胀历史的地图。

类比：想象你要测量一辆车的速度。与其假设汽车行驶在一条完美笔直平坦的道路上（理论模型），不如用无人机拍摄实际的道路，包括所有的颠簸和弯道，然后根据你实际看到的情况来测量速度。
工具：他们使用了一种名为ReFANN的工具来创建这种宇宙膨胀历史的“无人机影像”。这张地图是独立于快速射电暴构建的，因此不会对结果产生偏差。

实验：真实数据与模拟

团队做了两件事：

真实测试：他们选取了130 个已被精确定位到特定星系的真实快速射电暴。利用他们的人工智能地图计算膨胀历史，进而推算出宇宙中“水”（重子密度）的量。
- 结果：他们发现了一个数值，该数值与我们从宇宙开端（大爆炸核合成）以及宇宙微波背景（普朗克数据）中学到的结果完美吻合。这就像测量一条河流今天的流量，却发现它与根据 130 亿年前河流源头计算出的流量率完全一致。这种吻合度极高，误差仅约 0.05%——基本上是一场完美的平局。
未来测试（模拟目录）：他们创建了一个包含2000 个虚构快速射电暴的模拟，以观察如果我们未来拥有更大样本量会发生什么。
- 结果：有了这个更大的“虚拟”样本，他们的测量变得极其精确（不确定度降至 1% 以下）。这表明，随着我们发现更多真实的快速射电暴，这种方法将成为测量宇宙成分的顶级工具。

他们的其他发现

在计算“水”的同时，他们也搞清楚了“迷雾”（即宿主星系的贡献）。

他们估算了宿主星系造成的典型色散量（中位数）。
他们测量了这种迷雾在不同星系间变化的程度（离散度）。
通过同时测量水和迷雾，他们避免了通常在试图在不了解另一方的情况下猜测其中一方时所产生的混淆。

核心结论

这篇论文表明，快速射电暴是宇宙学中一种强大的新工具。通过利用人工智能绘制宇宙膨胀地图，而无需做出僵化的理论假设，科学家们得以利用来自“近期”宇宙（低红移）的信号来统计宇宙的普通物质。

他们的发现证实，我们今天在局部宇宙中看到的物质总量，与大爆炸理论预测的宇宙黎明时期存在的物质量完全相同。这是一个稳健且独立的验证，它宣告：“我们的宇宙地图是一致的，我们对宇宙成分的理解是坚实的。”

技术摘要：利用哈勃参数的非参数重构对快射电暴的重子密度施加约束

问题陈述
快射电暴（FRBs）提供了一条独特的途径，通过其色散量（DM）来测量宇宙重子密度（ $\Omega_b h^2$ ），该色散量随着信号穿越星际介质（IGM）中的自由电子而累积。然而，从 FRB 数据中提取精确的宇宙学约束受到显著天体物理不确定性的阻碍，主要是宿主星系的贡献（ $DM_{host}$ ）。该贡献通常被建模为以对数正态分布描述，其特征为中位数（ $\tilde{\mu}$ ）和对数弥散（ $\sigma_{host}$ ），从而引入了与 $\Omega_b h^2$ 及背景膨胀历史 $H(z)$ 的简并性。此外，标准分析通常依赖特定的宇宙学模型（如 $\Lambda$ CDM）来描述 $H(z)$ ，如果基础模型不正确，可能会偏差重子密度的推断。目前具有已知红移的精确定位 FRB 样本仍然有限，使得在没有额外、模型无关信息的情况下难以完全打破这些简并性。

方法论
为了克服这些局限性，作者采用了一个贝叶斯推断框架，将 130 个精确定位的 FRB 样本与哈勃参数 $H(z)$ 的非参数重构相结合。

非参数 $H(z)$ 重构：作者没有假设特定的宇宙学模型，而是利用了 ReFANN（利用人工神经网络重构函数）框架。该人工神经网络（ANN）完全基于宇宙时钟（CC）数据（在 $0.07 < z < 1.965$ 范围内的 35 个测量值）进行训练，以重构膨胀历史 $H(z)$ 。该网络使用指数线性单元（ELU）激活函数，并最小化绝对误差损失函数。这提供了一个模型无关的 $H(z)$ 曲线，随后被纳入平均 IGM 色散量 $\langle DM_{IGM}(z) \rangle$ 的理论计算中。
似然构建：分析基于河外 DM（ $DM_{ext}$ ）的概率分布定义似然函数。该分布是通过对 IGM 贡献（利用重构的 $H(z)$ 通过 Macquart 关系建模）与代表宿主星系贡献的对数正态分布进行卷积而导出的。待约束的参数包括物理重子密度（ $\Omega_b h^2$ ）、中位数宿主贡献（ $\tilde{\mu}$ ）和宿主弥散（ $\sigma_{host}$ ）。
贝叶斯推断：使用嵌套采样（通过 UltraNest 包实现的 MLFriends 算法），作者对这三个参数进行了联合推断，使用了宽泛的无信息先验。分析在两个数据集上进行：
- 真实数据：一个经过整理的 130 个定位 FRB 样本（排除一个物理上不一致的事件 FRB 20220319D）。
- 模拟目录：通过蒙特卡洛模拟生成的 2,000 个 FRB 合成样本。该模拟目录模仿了 CHIME 望远镜的选择效应，纳入了内禀形成率、光度函数和红移演化，以预测未来大规模巡天的潜力。

关键结果
该研究得出了以下约束：

真实 FRB 样本：
- $\Omega_b h^2 = 0.02236 \pm 0.00090$ （相对不确定度 $\sim 4\%$ ）。
- 中位数宿主贡献 $\tilde{\mu} = 178.15^{+16.51}_{-16.97}$ pc cm $^{-3}$ 。
- 宿主弥散 $\sigma_{host} = 0.794^{+0.064}_{-0.067}$ 。
- 推断出的 $\Omega_b h^2$ 与大爆炸核合成（BBN）和 Planck 宇宙微波背景（CMB）结果高度一致，与其中心值的差异仅为 $\sim 0.05\%$ 。
- 分析揭示了 $\Omega_b h^2$ 与 $\tilde{\mu}$ 之间存在中等程度的负相关（ $r \simeq -0.43$ ），反映了简并性，即宇宙学 DM 的增加可以通过宿主贡献的减少来补偿。
模拟目录（预测）：
- $\Omega_b h^2 = 0.02248 \pm 0.00018$ （相对不确定度 $\sim 0.8\%$ ）。
- $\tilde{\mu} = 182.36^{+6.83}_{-6.48}$ pc cm $^{-3}$ 。
- $\sigma_{host} = 0.711^{+0.024}_{-0.025}$ 。
- 模拟分析表明，未来如此规模的样本可以将 $\Omega_b h^2$ 的不确定度降低到亚百分比水平，接近早期宇宙探针的精度，同时在统计上与 BBN 和 Planck 约束保持一致。

意义与主张
该论文断言，将 FRB 色散量与膨胀历史的非参数重构相结合，提供了一条稳健的、模型无关的途径来约束宇宙学和天体物理参数。

一致性：结果验证了 FRB 作为重子密度互补的低红移探针的有效性，显示其与早期宇宙测定（BBN 和 Planck）完全一致，且无需假设特定的背景宇宙学。
天体物理约束：该研究同时以比先前基于 FRB 的估计更精确地约束了宿主星系分布参数（ $\tilde{\mu}$ 和 $\sigma_{host}$ ），而先前的估计通常固定这些值或依赖间接估计量。 $\sigma_{host}$ 精度的提高被强调为区分总 DM 中天体物理贡献和河外贡献的关键。
未来潜力：模拟分析说明，目前仅靠 FRB 约束的统计局限性是可以克服的。随着更大、特征更明确的样本的出现，FRB 可以达到与 CMB 测量相当的精度，为低红移处的重子密度提供独立的检验。

作者得出结论，他们的方法有效地减少了模型驱动的简并性，并确立了 FRB 作为精密宇宙学可行工具的地位，前提是未来的巡天能够提供更大的样本并改善对宿主环境的表征。