The primordial power spectrum informs the possible inflationary histories of our universe. Given a power spectrum, the ensuing cosmic microwave background is calculated and compared to the observed one. Thus, one focus of modern cosmology is building well-motivated inflationary models that predict the primordial power spectrum observables. The common practice uses analytic terms for the scalar spectral index $n_s$ and the index running $\alpha$, forgoing the effort required to evaluate the model numerically. However, the validity of these terms has never been rigorously probed and relies on perturbative methods, which may lose their efficacy for large perturbations. The requirement for more accurate theoretical predictions becomes crucial with the advent of highly sensitive measuring instruments. This paper probes the limits of the perturbative treatment that connects inflationary potential parameters to primordial power spectrum observables. We show that the validity of analytic approximations of the scalar index roughly respects the large-field/small-field dichotomy. We supply an easily calculated measure for relative perturbation amplitude and show that, for large field models, the validity of analytical terms extends to $\sim 3\%$ perturbation relative to a power-law inflation model. Conversely, the analytical treatment loses its validity for small-field models with as little as $0.1\%$ perturbation relative to the small-field test-case. By employing the most general artificial neural networks and multinomial functions up to the twentieth degree and demonstrating their shortcomings, we show that no reasonable analytic expressions correlating small field models to the observables the yield exists. Finally, we discuss the possible implications of this work and supply the validity heuristic for large and small field models.


翻译:原始电源频谱可以显示我们宇宙中可能的通货膨胀历史。 但是, 在有电频谱的情况下, 随之而来的宇宙微波背景被计算出来, 并与之比较。 因此, 现代宇宙学的一个焦点正在建立有良好动机的通货膨胀模型, 预测原始电源频谱的可观测量。 通常的做法是使用分析术语, 将卡路里光谱指数的参数与原始电源谱的可观测量联系起来。 我们展示了以数字方式评估模型所需的分析术语的有效性。 然而, 这些术语的正确性从未被严格地检测过, 并依赖于破坏性的方法, 这可能降低其大规模扰动的功效。 因此, 随着高度敏感的测量仪器的出现, 更准确的理论预测变得非常关键。 本文探索了将通货膨胀潜在参数与原始电源谱谱谱的可观测参数联系起来的 。 我们显示, 质量指数的分析性近似近似近于大场/ 和多场的对数值对等。 我们提供了一种简单的测量度方法, 以相对的振动性内脏的内值表示, 相对的内空网络的内值和显示, 相对的内空的内空值模型显示, 最后的外分析条件的正确性模型显示, 。 的外的外的外的外的数值值模型的正确性, 向下, 的外的数值的外表值的外值的数值的外值的数值是, 向,, 向的数值的数值的数值的数值是, 。

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
133+阅读 · 2021年9月20日
【微软】自动机器学习系统,70页ppt
专知会员服务
69+阅读 · 2021年6月28日
专知会员服务
84+阅读 · 2020年12月5日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
已删除
将门创投
7+阅读 · 2017年7月11日
Arxiv
0+阅读 · 2021年12月16日
Arxiv
6+阅读 · 2018年11月29日
VIP会员
相关资讯
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
已删除
将门创投
7+阅读 · 2017年7月11日
Top
微信扫码咨询专知VIP会员