Euclid实验数据对相互作用暗能量模型的预测限制

模拟了加入非线性理论不确定性误差的Euclid巡天数据,同时结合宇宙微波背景辐射(CMB)、BAO和Ⅰa型超新星(SNe Ⅰa),利用马尔可夫链蒙特卡洛(MCMC)算法,在完整的参数空间下对wCDM模型进行预测限制,对暗能量与暗物质间的相互作用性质进行探讨.为了研究Euclid巡天项目对不同相互作用暗能量模型的耦合常数(β)、暗能量状态方程(w)等参数的限制效果,采用CMB+BAO+SNe Ⅰa和Euclid+CMB+BAO+SNe Ⅰa数据组合对4个相互作用暗能量模型进行了限制对比,得到结论如下:1)除了Qde∝ 3βHρdeνde模型,其他模型在加入Euclid模拟数据后,模型参数均得到了更好的限制.2)在各个模型中,用CMB+BAO+SNe Ⅰa数据组合限制时,β均在1.2σ置信区间内不为0;当用Euclid+CMB+BAO+SNe Ⅰa数据组合限制时,在Qde∝3βHρcvc、Qde∝ 3βHρcνde、Qde∝ 3βHρdeνc这3个模型中,均在1σ置信区间内不为0;在Qde ∝3βHρdeνde模型中,β在1.9σ置信区间内不为0.Euclid巡天实验结合CMB、超新星、哈勃参量的直接测量等宇宙学探针,将会帮助进一步了解暗能量、暗物质性质.     

普朗克卫星绘制精确宇宙图像

正欧洲空间局的普朗克卫星在近期公布了最新的全天空宇宙微波背景辐射结果,绘制出目前最为精确的宇宙早期图像,可以让人们更好地研究宇宙的众多性质,了解宇宙的起源、形成和演化。     

宇宙微波背景辐射检验CPT对称性

电荷共轭-宇称-时间反演（CPT）联合对称性是粒子物理中的一种基本对称性.检验CPT对称性是检验标准模型及发现新物理等基础科学研究的重要途径.本文将介绍利用高精度的宇宙微波背景辐射（CMB）的观测和实验检验CPT对称性的方法,以及最新进展.通过与其他实验的比较我们发现CMB对CPT对称性的检验精度更高.     

基于残差神经网络的恒星-星系分类器

使用残差神经网络（residual neural network，RNN）算法对斯隆数字巡天（Sloan digital sky survey，SDSS）提供的天体伪彩色图片进行分类，直接从图像中获得特征．使用带有光谱信息的星系与恒星图片作为训练集和测试集．经过训练，在测试集上的准确率达到98.23%，召回率达到98.80%。这表明:RNN可以实现对星系和恒星图像的精确分类，分类器给出的恒星-星系概率是有效的，可用于分类可靠度评估；还可以尝试将此分类器应用到未来巡天中，进一步测试其性能．