The Amplitude-Growth Degeneracy and Implied $A_s$ Diagnostic for Background-Inert Modified Gravity

本文表明，重合$f(Q)$引力中的背景惯性微扰耦合导致原初振幅$A_s$与增长因子之间产生简并，从而产生不切实际的高$\sigma_8$值，这一问题可通过施加普朗克$A_s$先验来解决，尽管$\Lambda$CDM+$\lambda_0$+$\ln(A_s)$变体在统计上略有偏好，但该约束最终通过信息准则对扩展模型施加了惩罚。

要点

将宇宙想象成一个巨大的、正在膨胀的气球。几十年来，科学家们一直使用一种名为ΛCDM（Lambda-冷暗物质）的标准配方来描述这个气球如何膨胀，以及其表面的“尘埃”（星系）如何聚集。这个配方在描述早期宇宙时效果极佳，但当我们观察当今的宇宙时，却感觉有些不对劲。尘埃的聚集程度似乎比配方预测的要稍弱一些。这就是所谓的$S_8$ 张力。

为了解决这个问题，一些科学家提出在配方中添加一种新成分：一种名为$f(Q)$ 引力的引力修正。具体来说，他们加入了一种微小且不可见的“香料”（一个名为 $\lambda_0$ 的数学项），它不会改变气球的膨胀方式（背景），但会改变尘埃的聚集方式（增长）。

以下是这篇论文关于这种“香料”的发现，以简单的方式讲述：

1. 数据的“魔术戏法”

研究人员运行计算机模拟，以查看这种新香料是否能解决聚集问题。他们使用了一组特定的规则（数据），其中包括宇宙微波背景辐射（宇宙的“婴儿照”）的测量值以及当今星系的运动情况。

问题所在： 计算机模拟发现了一个“漏洞”。它发现，如果加入这种香料（$\lambda_0$），模型可以让星系聚集得更多以匹配数据。然而，要做到这一点，计算机必须在一个名为**原初振幅（$A_s$）**的基本数字上暗中作弊。

这就像一位厨师试图让汤尝起来更咸。厨师没有加盐，而是秘密地将水量加倍，这改变了汤的味道，但他却声称原来的配方只是“盐放少了”。计算机找到了一种方法，通过膨胀“聚集”数值来使模型完美拟合数据，但它是通过迫使“早期宇宙”的数值变得在物理上不可能（比我们从宇宙“婴儿照”中已知的数值高出约 20–30%）来实现的。

2. “隐含 $A_s$"侦探工具

作者们意识到这是一种统计技巧，而非真正的发现。计算机正在利用一种“简并性”——即两个不同的旋钮（香料 $\lambda_0$ 和聚集强度 $\sigma_8$）可以一起转动以获得相同结果的情况，从而掩盖了“早期宇宙”旋钮其实已经损坏的事实。

为了识破这个戏法，他们发明了一种名为**“隐含 $A_s$"检查**的新诊断工具。

• 工作原理： 他们不再仅仅问“这个模型是否拟合数据？”，而是问“如果这个模型拟合了数据，那么早期宇宙必须看起来是什么样？”
• 结果： 当他们应用这一检查时，含有香料的模型失败了。它们要求一个与我们的最佳观测（普朗克数据）相矛盾的早期宇宙。这就像发现“更咸的汤”需要一种自然界中根本不存在的秘密成分。

3. “防火墙”

该论文表明，如果你在模拟上设置一道“防火墙”——强制计算机尊重已知的早期宇宙数值（使用普朗克先验）——那么魔术戏法就会停止。

• 计算机不再能通过膨胀聚集数值来作弊。
• “香料”（$\lambda_0$）被推回至零或非常小的数值。
• 含有香料的模型突然变得比标准配方（ΛCDM）更差，因为它们现在要为拥有一个实际上无益的额外成分而付出代价。

4. 一个奇怪的例外

有一个微小且奇怪的情况，即使在设置防火墙后，含有香料的模型看起来仍然比标准配方稍好一些。作者称此为“微弱偏好”。他们非常谨慎地表示，这并非已确认的发现；这是一个微小的异常，需要更好的数据进行进一步调查。这就像一枚硬币在一百万次翻转中有一次竖立起来——你暂时不会押注它，但也不会忽视它。

结论

这篇论文是对未来宇宙学的一个警告标签。

• 陷阱： 如果你使用简化数据（压缩后的 CMB）来测试那些只影响聚集方式（而不影响宇宙膨胀方式）的新引力理论，你可能会得到一个“假阳性”。计算机会告诉你新理论很棒，但这仅仅是因为它在早期宇宙数值上作弊了。
• 解决方案： 始终检查“隐含 $A_s$"。如果新理论要求早期宇宙与我们已知的完全不同，那么它很可能是一种统计幻觉，而非真正的发现。

简而言之：这篇论文证明，一种流行的新引力理论之所以看起来有希望，仅仅是因为数学在对我们耍花招。一旦我们停止这种花招，该理论就变回了旧标准模型的一个稍微复杂一点的版本，没有任何实际优势。

技术摘要

技术摘要：振幅增长简并性与隐含 $A_s$ 作为背景惰性修正引力的诊断工具

问题陈述
现代宇宙学面临显著张力，最 notably 的是 $S_8$（或 $\sigma_8$）张力，其中晚期探针（弱引力透镜、红移空间畸变）表明，在标准 $\Lambda$CDM 模型内，从宇宙微波背景（CMB）数据外推得到的成团振幅较低。修正引力理论（如 $f(Q)$ 引力，即对称 teleparallel 引力）常被引入以解决这些差异。然而，当使用“压缩”CMB 距离先验（位移参数 $R$ 和 $l_a$）而非完整 CMB 似然函数来分析这些理论时，存在一个关键的方法论漏洞。

本文指出，当一种修正引力理论在复合前收敛于标准 $\Lambda$CDM，但引入一个对背景膨胀惰性（仅影响结构增长）的微扰耦合（$\lambda$）时，会出现统计简并性。具体而言，采样器利用了原初振幅（$A_s$）与当前增长因子（$D_0$）之间的简并性。由于压缩的 CMB 先验隐含地将 $A_s$ 固定为普朗克值，同时约束背景几何，采样器人为地放大了成团振幅 $\sigma_8$ 以容纳修正后的增长历史，从而导致统计上优选但物理上不合理的结果。

方法论
作者在重合 $f(Q)$ 框架下分析了两个特定模型：

1. $\Lambda$CDM：标准参考模型。
2. 混合 $f(Q)$：包含一个边界项（$\alpha^2$）的模型，其在背景膨胀中与 $\Lambda$CDM 不可区分，但修正了微扰。

这两个模型均在有无特定微扰修正（即 $\lambda_0 \sqrt{Q}Q_0$ 项）的情况下进行了测试。该项是“背景惰性”的，意味着它不改变哈勃参数 $H(z)$，但修正了增长方程中的有效引力常数 $G_{eff}$。

分析采用了两个数据集流程：

• BD2R：压缩 CMB + $E_g$ 统计量 + Pantheon+ 超新星 + DESI DR2 重子声学振荡（BAO）+ 独立的红移空间畸变（RSD）数据。
• BSDp：压缩 CMB + $E_g$ 统计量 + Pantheon+ 超新星 + SDSS DR16 BAO（与 RSD 结合）。

为了诊断这种简并性，作者提出了一种模型无关的一致性检验，称为“隐含 $A_s$"诊断。该指标计算了为了在给定修正增长因子的情况下重现采样器预测的 $\sigma_8$ 值所需的原初振幅，使用关系式 $A_s^{Implied} = A_s^{Planck} (\sigma_8 / \sigma_8^{Planck})^2$。如果隐含的 $A_s$ 显著偏离普朗克值，则表明采样器正在利用 $A_s - D_0(\lambda)$ 简并性。

主要贡献

1. $A_s - D_0(\lambda)$ 简并性的识别：本文证明，$f(Q)$ 引力中任何背景惰性的微扰耦合在使用压缩 CMB 先验时都会与 $\sigma_8$ 产生简并。采样器沿 $\sigma_8 - \lambda_0$ 谷“滑动”以寻找更好的拟合，从而在不相应调整 $A_s$（由先验固定）的情况下人为放大 $\sigma_8$。
2. 隐含 $A_s$ 诊断：作者引入了一种简单的后处理一致性检验。通过将最佳拟合的 $\sigma_8$ 映射回所需的 $A_s$，研究人员可以检测模型的统计优选是否由成团振幅的非物理放大所驱动。
3. “振幅补偿”机制的量化：该研究量化了这种放大的程度，表明 $\lambda_0$ 修正将 $\sigma_8$ 放大至非物理值（例如 $0.90$对比$0.79$），需要$A_s$增加$20%-30%$才能在物理上一致，从而与普朗克数据产生$1.7\sigma - 2.2\sigma$ 的张力。

结果

• 无约束分析：当允许 $\lambda_0$ 自由变化时，$\Lambda$CDM 和混合 $f(Q)$ 模型均显示出对 $\lambda_0$ 变体的中等统计证据（通过 $\Delta \log Z$、AIC、DIC）。然而，这种优选是由 $\sigma_8$ 的人为放大所驱动的。
• 隐含 $A_s$ 张力：$\lambda_0$ 模型的“隐含 $A_s$"值与普朗克 2018 数据显著偏离。对于 BD2R 流程，张力达到 $2.2\sigma$；对于 BSDp，张力为 $1.7\sigma - 1.8\sigma$。
• 先验的影响：当施加来自普朗克的严格 $\ln(A_s)$ 高斯先验时，简并性被打破。$\sigma_8$ 值回归基线，对 $\lambda_0$ 模型的统计优选消失（或变得轻微不被支持），信息准则（AIC、BIC）按预期对额外参数进行了惩罚。
• 例外情况：即使在简并性消除后，BSDp 组合中 $\Lambda$CDM + $\lambda_0$ + $\ln(A_s)$ 模型仍保留微弱的残余优选（$\Delta \log Z = +1.09$）。作者将此标记为潜在信号，需要使用全形状 CMB 似然函数进行进一步调查，并指出其处于“非结论性 - 微弱”区间的边缘。

意义与主张
本文主张，对于微扰自由度与背景膨胀解耦的理论，使用压缩 CMB 先验是不够的。在这种情况下，原初振幅未受约束，允许采样器生成看似统计优越但物理上不合理的拟合。

作者认为，“隐含 $A_s$"诊断充当了必要的“防火墙”或一致性检验。它使研究人员能够识别并拒绝依赖振幅放大来拟合数据的模型，确保统计改进不会被误认为是物理有效性。研究结论指出，未来对此类修正引力理论的分析必须要么利用完整的 CMB 似然函数，要么对 $\ln(A_s)$ 实施严格先验，以防止错误推断，特别是随着下一代巡天提供亚百分比精度的增长测量。