We explore constraints on extensions to the standard models of cosmology and particle physics which modify the early-Universe expansion rate S = H'/H (parametrized by the effective number of neutrinos N_nu). The constraints on N_nu and the baryon density parameter (eta_B = n_B/n_gamma = 10^(-10)*eta_10) from BBN at 20 minutes are compared with those from the CMB at 400 kyr and LSS at 14 Gyr. BBN provides the strongest constraint on N_nu (1.6 < N_nu < 3.3 at 95% confidence), but a weaker constraint on eta_B. The CMB/LSS best constrain the baryon density (5.9 < eta_10 < 6.4 at 95% confidence), independent of N_nu, but provide a relatively weak N_nu constraint, consistent with N_nu = 3. Using the best fit values and the allowed ranges of the CMB/LSS-derived parameters to calculate the BBN-predicted primordial abundances yields excellent agreement with the observationally inferred abundance of deuterium and good agreement with 4He, confirming the consistency between the BBN and CMB/LSS results. However, the BBN-predicted abundance of 7Li is high, by a factor of 3 or more. We comment on the value of N_nu and a possible anomaly in the matter power spectrum inferred from observations of the Ly-alpha forest. The good agreement between our BBN and CMB/LSS results permit us to constrain any post-BBN entropy production as well as to limit the production of any non-thermalized relativistic particles and, allow us to combine them finding 95% ranges, 1.8 < N_nu < 3.2 and 5.9 < eta_10 < 6.4.


翻译:宇宙学和粒子物理学标准模型的扩展20分钟后,BBN将限制N_nu(1.6 < N_nu < 3.3 < 95%的可信度),而N_nu和巴伦尼密度参数(eta_B= n_B/n_gamma= 10 ⁇ (-10)*eta_10)从BBN到CMB400公里和14Gyr的LSS标准模型的扩展,从而改变早期Universal膨胀速度S=H/H(因中微子有效数量N_nu=H'/H)的极限;NBNBN为N_nu(1.6 < N_nu < 3.3 < 3.3%的可信度)提供了最强的制约,但对于NMB/L最弱的密度(5.9 < eta_10 < 6.4 % 信任度)和巴伦尼的制约度(5.9 < 10 < 10 < 10 < max > 10 < 10 < max >)) 限制(NMBNB) 和NMB的正常产量(3) 产量(9-ral-ral-ral-ral) 的产量和(BO) 的产量(4)的产量和(4)的浓度(B) ral-ral-ral) ral-ral-al) ral) ral) ral)的浓度值的浓度值,则提供了最优的精确(或更精确(B)的浓度。

0
下载
关闭预览

相关内容

【Google】平滑对抗训练,Smooth Adversarial Training
专知会员服务
48+阅读 · 2020年7月4日
【MIT】反偏差对比学习,Debiased Contrastive Learning
专知会员服务
90+阅读 · 2020年7月4日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
【Google】监督对比学习,Supervised Contrastive Learning
专知会员服务
74+阅读 · 2020年4月24日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
6+阅读 · 2019年3月19日
Arxiv
10+阅读 · 2018年4月19日
Arxiv
4+阅读 · 2018年1月15日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员