Comprendre l'accélération cosmique à travers des modèles de gravité modifiée

L'univers est en train de s'étendre depuis des milliards d'années, et on voit des signes que cette expansion accélère. Comprendre pourquoi c'est le cas est une des grosses questions en cosmologie. Le modèle standard qu'on a, appelé le modèle Lambda Cold Dark Matter (CDM), utilise une constante cosmique pour expliquer cette accélération. Mais ce modèle a quelques problèmes. Du coup, les scientifiques étudient d'autres théories, surtout celles qui modifient les lois de la gravité.

Une de ces théories de gravité modifiée s'appelle le modèle Generalized Cubic Covariant Galileon (GCCG). Ce modèle essaie d'expliquer l'accélération cosmique sans avoir besoin d'une constante cosmique. Il le fait en ajoutant de nouveaux types d'interactions entre la gravité et un champ supplémentaire, connu sous le nom de champ scalaire. Le modèle GCCG est une extension d'un autre modèle appelé le Cubic Covariant Galileon (G3).

Pour bien comprendre comment le modèle GCCG se comporte, surtout à petite échelle où les effets de la gravité sont les plus significatifs, on doit développer des outils précis pour modéliser comment la matière se comporte dans ces conditions. Ça implique de regarder de près comment les galaxies et d'autres structures se forment dans l'univers.

#Spectre de puissance de la matière

Le spectre de puissance de la matière est un moyen de mesurer comment la matière est distribuée dans l'univers. Ça nous dit combien de matière est présente à différentes échelles, des très petites aux très grandes. Ce spectre est essentiel pour comprendre la structure de l'univers et comment il a évolué au fil du temps.

Quand on regarde l'univers, on voit qu'il n'est pas distribué uniformément. Certaines zones ont beaucoup de matière, tandis que d'autres en ont très peu. Le spectre de puissance de la matière nous aide à quantifier ces différences. C'est crucial pour tester nos modèles de l'univers, y compris les théories de gravité modifiée comme le GCCG.

Le comportement de la matière est complexe, surtout quand on entre dans des échelles non linéaires où l'influence de la gravité est plus forte. Dans ces régimes, les modèles simples échouent, donc on doit utiliser des méthodes plus compliquées pour capturer les interactions avec précision.

#Modèle Halo

Une façon d'étudier le spectre de puissance de la matière est à travers le modèle halo. Cette méthode repose sur l'idée que les galaxies et d'autres structures se forment à l'intérieur de plus gros amas de matière, appelés halos. En modélisant comment ces halos se comportent, on peut obtenir des infos sur la distribution globale de la matière dans l'univers.

Le modèle halo relie la physique à petite échelle (comment se comportent les halos individuels) avec les observations à grande échelle (ce qu'on voit dans l'univers). Cette approche est utile car elle nous permet de faire des prédictions qui peuvent être testées par rapport aux observations des télescopes et des relevés.

Dans notre étude, on a modifié un logiciel existant pour appliquer le modèle halo au GCCG. Ça va nous aider à faire des prédictions précises du spectre de puissance de la matière dans ce scénario de gravité modifiée.

#Régime non linéaire

Quand on parle de "régime non linéaire", on fait référence à des échelles où les effets de la gravité sont assez forts pour que nos modèles linéaires standards ne fonctionnent pas bien. Dans ces régions, la matière n'est pas juste répartie uniformément; elle est regroupée de manière à mener à des interactions complexes.

Le régime non linéaire est là où on voit la formation de galaxies, de clusters et d'autres structures. Comprendre comment la gravité fonctionne dans ce régime est crucial pour créer des modèles précis de l'univers.

Dans le modèle GCCG, on doit explorer comment le comportement non linéaire influence le spectre de puissance de la matière. Ça nécessite des calculs et des simulations sophistiqués pour capturer ces effets avec précision.

#Relevés futurs

Les futurs relevés astronomiques comme Euclid et le Square Kilometer Array (SKAO) vont fournir d'énormes quantités de données. Ces relevés vont nous permettre d'améliorer notre compréhension de l'univers en fournissant des mesures de haute précision de la distribution de la matière.

Ces relevés de nouvelle génération joueront un rôle vital dans le test des prédictions du modèle GCCG. En utilisant les données de ces relevés, les scientifiques pourront chercher des écarts par rapport au modèle CDM standard, offrant des aperçus sur le comportement de la gravité à des échelles cosmiques.

#La méthodologie

Pour analyser le modèle GCCG, on a utilisé plusieurs techniques. D'abord, on a examiné de près l'évolution de l'arrière-plan, qui décrit comment l'univers s'étend au fil du temps. Ensuite, on a étudié la croissance des perturbations, ou petites déviations par rapport à un univers lisse, pour voir comment ces changements se développent en plus grandes structures.

On a aussi regardé l'effondrement des surdensités de matière, ce qui consiste à étudier comment les régions avec de la matière en plus peuvent croître et former des structures comme des galaxies. Ça nous amène à calculer le spectre de puissance non linéaire à un ordre de boucle, ce qui nous permet de capturer les contributions de divers processus cosmiques.

#Comparaison avec les simulations

Pour valider nos résultats, on a comparé nos prédictions avec des simulations existantes de l'univers. Ces simulations utilisent des équations pour suivre comment la matière se comporte au fil du temps, nous donnant une référence pour vérifier nos modèles.

En comparant les prédictions de notre code modifié avec les résultats des simulations, on a trouvé que nos résultats s'alignent bien, généralement avec une marge de 5%. Cet accord nous donne confiance que nos nouvelles méthodes et outils peuvent modéliser avec précision le comportement du modèle GCCG.

#Phénoménologie du modèle GCCG

Un des objectifs d'étudier le modèle GCCG est de comprendre sa phénoménologie, c'est-à-dire comment il se comporte en termes pratiques par rapport au modèle CDM standard. Ça implique de regarder comment le spectre de puissance de la matière change sous l'influence des modifications gravitationnelles introduites par le modèle GCCG.

On a analysé comment les prédictions du modèle GCCG diffèrent de celles du CDM, surtout quand on considère le comportement non linéaire des structures dans l'univers. En examinant ce comportement, on peut en apprendre plus sur les implications potentielles de l'adoption du modèle GCCG.

#Prévisions avec les données futures

En utilisant des relevés comme Euclid et SKAO, on va rassembler des données qui nous permettront de faire des prévisions sur les paramètres du modèle GCCG. Ces prévisions vont nous aider à estimer dans quelle mesure les futures observations peuvent contraindre les paramètres du modèle.

La méthodologie qu'on a adoptée implique d'appliquer une approche de matrice de Fisher, qui estime combien d'infos sur le modèle GCCG peuvent être obtenues à partir des données de relevé. Cette méthode nous aide à évaluer les forces et les faiblesses de différents sondages, comme le regroupement de galaxies et le lentillage faible.

#Résultats des prévisions

Les résultats de nos prévisions montrent que le relevé Euclid devrait fournir des contraintes plus fortes sur les paramètres du modèle GCCG par rapport au SKAO. Plus précisément, on a trouvé que, en considérant le regroupement de galaxies, le lentillage faible et leurs combinaisons, le relevé Euclid a le potentiel de révéler des détails importants sur le modèle.

En revanche, le relevé SKAO offre des contraintes plus faibles, mais il peut quand même fournir des infos précieuses. Particulièrement, la corrélation croisée entre les sondages sera cruciale pour établir des limites significatives sur les paramètres du modèle.

Nos prévisions indiquent que même avec des spécifications de relevé variées, le relevé Euclid va systématiquement surpasser le relevé SKAO. Ça met en avant l'importance des données futures pour affiner notre compréhension des modèles de gravité modifiée.

#Conclusion

Dans ce travail, on a développé des méthodes pour explorer le spectre de puissance de la matière non linéaire dans le modèle Generalized Cubic Covariant Galileon. En créant une version modifiée d'un code existant, on peut modéliser avec précision le comportement de la matière dans ce scénario de gravité modifiée.

Nos résultats suggèrent que les futurs relevés comme Euclid vont grandement améliorer notre capacité à contraindre les paramètres du modèle GCCG. À mesure qu'on acquiert plus de données de ces relevés, on sera mieux placé pour distinguer entre le modèle GCCG et le modèle CDM standard.

Avec les avancées en technologie d'observation, on va continuer à affiner nos modèles et à obtenir des aperçus plus profonds sur la nature de la gravité et l'évolution de l'univers. À mesure que plus de données deviennent disponibles, on peut s'attendre à voir des améliorations significatives dans notre compréhension du cosmos et de la physique sous-jacente qui le gouverne.