CCL

核心宇宙学库（Core Cosmology Library, CCL）是为精确宇宙学计算设计的基础计算工具。它提供了一套强大的、经过数值精度验证的例程，使其成为宇宙学数据分析、理论建模以及解读当前和未来巡天观测数据的不可或缺的资源。在其已建立的基础上，CCL 作为 AI for Science 生态系统中的一个关键组成部分，为高级科学计算提供了一个标准化且可靠的框架。

CCL 可广泛应用于宇宙学和天体物理学中的多个科学领域。研究人员和 AI 智能体可以利用 CCL 来模拟宇宙的演化、预测可观测的宇宙学量，并对大尺度结构进行统计分析。其功能扩展到计算基本的宇宙学参数（如减速参数），从而能够对宇宙膨胀历史进行详细研究。

CCL 的实际应用和用例多种多样且影响深远。例如，它对于执行 Alcock-Paczynski 测试以约束宇宙学参数和理解由替代宇宙学模型（例如涉及早期暗能量的模型）引入的潜在偏差至关重要，这有助于解决哈勃张力等问题。CCL 在分析重子声学振荡（Baryon Acoustic Oscillations, BAO）数据方面也发挥着重要作用，它允许科学家在使用空间平坦的基准模型分析来自具有非零宇宙曲率的宇宙数据时，量化推断出的暗能量状态方程参数中的偏差。此外，它支持计算关键的宇宙学量，如物质传递函数，通过指定其映射的物理系统及其保留的不变量，将其与仪器传递函数区分开来。CCL 还可用于计算宇宙现象之间的预期角交叉功率谱，例如超高能宇宙射线和星系分布，为像 Rubin-LSST 这样的下一代宇宙学巡天提供预测。通过提供这些必要的计算构建模块，CCL 赋能 AI 智能体执行复杂的模拟、进行参数推断和解读海量数据集，从而显著加快宇宙学的发现步伐。