We present constraints on extensions of the minimal cosmological models dominated by dark matter and dark energy, $\Lambda$CDM and $w$CDM, by using a combined analysis of galaxy clustering and weak gravitational lensing from the first-year data of the Dark Energy Survey (DES Y1) in combination with external data. We consider four extensions of the minimal dark energy-dominated scenarios: 1) nonzero curvature $\Omega_k$, 2) number of relativistic species $N_{\rm eff}$ different from the standard value of 3.046, 3) time-varying equation-of-state of dark energy described by the parameters $w_0$ and $w_a$ (alternatively quoted by the values at the pivot redshift, $w_p$, and $w_a$), and 4) modified gravity described by the parameters $\mu_0$ and $\Sigma_0$ that modify the metric potentials. We also consider external information from Planck CMB measurements; BAO measurements from SDSS, 6dF, and BOSS; RSD measurements from BOSS; and SNIa information from the Pantheon compilation. Constraints on curvature and the number of relativistic species are dominated by the external data; when these are combined with DES Y1, we find $\Omega_k=0.0020^{+0.0037}_{-0.0032}$ at the 68% confidence level, and $N_{\rm eff}<3.28\, (3.55)$ at 68% (95%) confidence. For the time-varying equation-of-state, we find the pivot value $(w_p, w_a)=(-0.91^{+0.19}_{-0.23}, -0.57^{+0.93}_{-1.11})$ at pivot redshift $z_p=0.27$ from DES alone, and $(w_p, w_a)=(-1.01^{+0.04}_{-0.04}, -0.28^{+0.37}_{-0.48})$ at $z_p=0.20$ from DES Y1 combined with external data; in either case we find no evidence for the temporal variation of the equation of state. For modified gravity, we find the present-day value of the relevant parameters to be $\Sigma_0= 0.43^{+0.28}_{-0.29}$ from DES Y1 alone, and $(\Sigma_0, \mu_0)=(0.06^{+0.08}_{-0.07}, -0.11^{+0.42}_{-0.46})$ from DES Y1 combined with external data, consistent with predictions from GR.

ABSTRACT We present simulation-based cosmological wcold dark matter (wCDM) inference using dark energy survey year 3 weak-lensing maps, via neural data compression of weak-lensing map summary statistics: power spectra, peak counts, and direct map-level compression/inference with convolutional neural networks (CNN). Using simulation-based inference, also known as likelihood-free or implicit inference, we use forward-modelled mock data to estimate posterior probability distributions of unknown parameters. This approach allows all statistical assumptions and uncertainties to be propagated through the forward-modelled mock data; these include sky masks, non-Gaussian shape noise, shape measurement bias, source galaxy clustering, photometric redshift uncertainty, intrinsic galaxy alignments, non-Gaussian density fields, neutrinos, and non-linear summary statistics. We include a series of tests to validate our inference results. This paper also describes the Gower Street simulation suite: 791 full-sky pkdgrav3 dark matter simulations, with cosmological model parameters sampled with a mixed active-learning strategy, from which we construct over 3000 mock dark energy survey lensing data sets. For wCDM inference, for which we allow $-1&lt; w&lt; -\frac{1}{3}$, our most constraining result uses power spectra combined with map-level (CNN) inference. Using gravitational lensing data only, this map-level combination gives $\Omega _{\rm m}= 0.283^{+0.020}_{-0.027}$, ${S_8 = 0.804^{+0.025}_{-0.017}}$, and $w &lt; -0.80$ (with a 68 per cent credible interval); compared to the power spectrum inference, this is more than a factor of two improvement in dark energy parameter ($\Omega _{\rm DE}, w$) precision.