近日，成人直播下载 2023级硕士研究生赖俊荣以第一作者身份在国际学术期刊《The European Physical Journal C》（EPJC）与《Physical Review D》（PRD）连续发表两篇论文，围绕无奇点反弹宇宙的原初引力波信号与脉冲星计时阵列（PTA）数据分析方法展开系统研究。两项工作分别在理论模型约束与高效贝叶斯推断上取得进展。

首次以PTA数据直接限制“反弹能标”，拓展对近/超普朗克物理的观测窗口

在EPJC发表的论文 “Probing the bounce energy scale in bouncing cosmologies with pulsar timing arrays”论文(//link.springer.com/article/10.1140/epjc/s10052-025-14428-y)中，作者基于无奇点反弹宇宙的原初引力波解析谱，利用国际脉冲星计时阵列合作组NANOGrav、EPTA、PPTA与IPTA的最新数据进行全贝叶斯拟合，首次对反弹能标进行了直接采样与约束。结果显示参数空间出现两条显著后验分支，提示反弹能标可能接近或超越普朗克尺度，以及早期宇宙可能涉及违反主能量条件的非常规物理机制；相比多种常见随机引力波源模型，反弹宇宙谱型在贝叶斯因子上获得广泛优势，即被数据偏好。该研究为近/超普朗克能标的新物理提供了新的天文观测窗口。

图1：国际脉冲星计时阵列合作组（4组）最新数据对无奇点宇宙反弹能标的限制。

在机器学习框架下，首次实现PTA随机引力波物理模型之间的甄别比较

在PRD发表的论文 Accelerated Bayesian inference for pulsar timing arrays: Normalizing flows for rapid model comparison across stochastic gravitational-wave background sources 中（//journals.aps.org/prd/abstract/10.1103/7j5m-m9j7），基于归一化流机器学习框架，作者在保留物理可解释性的同时显著降低了计算成本，首次实现了跨多类随机引力波（SGWB）物理模型的快速证据估计与模型比较。与传统马尔科夫蒙特卡洛链（MCMC）基线相比，该方法在代表性数据子集上大幅缩短推断时间并保持后验一致性（以Hellinger距离刻画），为应对未来NANOGrav新数据与SKA等下一代PTA的大规模推断提供了可扩展工具。

图2：三种方法：1) 机器学习的归一化流（蓝色虚线）；2) 马尔科夫蒙特卡洛链采样（绿色横点线）；3) 基于机器学习的重要性采样（橙色实线）在幂律谱模型参数空间的后验一致性对比。

指导教师李昌鸿副教授是这两篇论文的通讯作者。以上成果得到了国家自然科学基金，云南省基础应用研究计划，云南省天体粒子物理重点实验室，云南省中青年学术和技术带头人，兴滇人才，云南大学人才项目等的资助。