CosmoGen : Un cadre d'algorithmes génétiques pour l'exploration de la dynamique de l'énergie sombre

Le paradigme standard de la matière noire froide Lambda (ΛCDM) de l'Univers physique souffre de problèmes conceptuels bien connus et est remis en question par des données d'observation. Des modèles alternatifs existent dans la littérature, à la fois phénoménologiques et physiquement motivés, mais beaucoup d'entre eux souffrent de problèmes similaires ou nouveaux. Nous proposons une méthode pour générer mécaniquement des modèles alternatifs dans une procédure informée par les données, ajustée pour atténuer des problèmes spécifiques. Nous avons mis en œuvre un cadre computationnel, appelé CosmoGen, basé sur des algorithmes évolutifs pour la régression symbolique. Le processus évolutif est guidé par le calcul de la formation des structures et des quantités cosmologiques de fond. En tant que preuve de concept, nous avons appliqué la procédure au cas spécifique des modèles de fluide d'énergie sombre et demandé au cadre de générer des modèles capables d'atténuer les tensions cosmologiques S₈ et H₀. Le système a généré des modèles avec des valeurs d'adéquation élevées et, à travers une analyse bayésienne d'un modèle illustratif, nous montrons que le modèle atténue effectivement les tensions, même si le facteur de Bayes indique une préférence plus faible pour ΛCDM.