Probing cosmic opacity with the type Ia supernovae and Hubble parameter
Probing cosmic opacity with the type Ia supernovae and Hubble parameter
复制标题
利用 Ia 型超新星和哈勃参数探测宇宙不透明度
DOI：
10.1140/epjc/s10052-020-8426-4
复制
发表时间：
2020-09
期刊：
影响因子：
--
通讯作者：
Qihong Huang
中科院分区：
文献类型：
--
作者：
Bing Xu;Kaituo Zhang;Qihong Huang
本文利用最新的泛神型Ia型超新星(SNIa)和基于CDM和WCDM模型的观测哈勃参数数据探讨了宇宙不透明度。在分析中，我们将SNIa数据的似然函数边缘化到相关的干扰参数上，该参数是SNIa的绝对大小和哈勃常数的组合，具有平坦的先验。采用了与宇宙吸收有关的光学深度的两个参数，即AND。我们发现，结果对基准宇宙学模型、空间曲率和参数不敏感。此外，仅万神殿数据的结果就与透明宇宙一致。一旦H(Z)数据被组合，当使用平坦先验或距离先验时，其落入最佳拟合的68%置信度水平(CL)内，而当使用高斯分布先验时，其落入95%的置信度水平。
In this paper, we probe the cosmic opacity with the newest Pantheon type Ia supernovae (SNIa) and the observational Hubble parameterdata based on theCDM andwCDM models with or without spatial curvature. In the analysis, we marginalize the likelihood function of SNIa data over the pertinent nuisance parameter, a combination of the absolute magnitude of SNIaand the Hubble constant, with a flat prior. Two parameterizations of the optical depthassociated to the cosmic absorption, namelyand, are adopted. We find that the results are not sensitive to the fiducial cosmological models, the spatial curvature and parameterizations of. Moreover, the results from the Pantheon data alone are consistent with a transparent universe (). And once theH(z) data is combined,falls within the 68% confidence level (CL) of the best fit when a flatprior or the distance priors are used, while it falls within the 95% CL when a Gaussian distribution prior ofkmis used.
登录
查看更多内容
影响因子：
6.4
作者：
R. Holanda;R. S. Gonçalves;J. Alcaniz
通讯作者：
R. Holanda;R. S. Gonçalves;J. Alcaniz
影响因子：
5
作者：
R. Holanda;S. Pereira;D. Jain
通讯作者：
R. Holanda;S. Pereira;D. Jain
具有强透镜时间延迟的 FLRW 公制和曲率测试
影响因子：
4.9
作者：
Liao Kai;Li Zhengxiang;Cao Shuo;Biesiada Marek;Zheng Xiaogang;Zhu Zong-Hong
通讯作者：
Zhu Zong-Hong
宇宙透明度在空间上是均匀的吗？
影响因子：
6.4
作者：
Chen, Jun;Wu, Puxun;Yu, Hongwei;Li, Zhengxiang
通讯作者：
Li, Zhengxiang
DOI：
10.3847/1538-4357/aa5b89
发表时间：
2017-01
期刊：
The Astrophysical Journal
影响因子：
--
作者：
Ju Hu;Hai-Bo Yu;Fayin Wang
通讯作者：
Ju Hu;Hai-Bo Yu;Fayin Wang