⚛️ phenomenology

Generalized Linear Models of T $_{90}$ -T $_{50}$ relation to classify GRBs

यह अध्ययन फर्मी जीबीएम (Fermi GBM) और बैटसे (BATSE) कैटलॉग में $T_{90}$ - $T_{50}$ संबंध का विश्लेषण करने के लिए सामान्यीकृत रैखिक मॉडलों (Generalized Linear Models) का उपयोग करता है, जो कई रैखिक विशेषताओं को प्रकट करता है जो गामा-रे बर्स्ट के पारंपरिक दो वर्गों से अधिक के अस्तित्व का सुझाव देते हैं।

मूल लेखक: Sourav Dutta, Sunanda, Reetanjali Moharana, Manish Kumar

प्रकाशित 2026-09-01

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Sourav Dutta, Sunanda, Reetanjali Moharana, Manish Kumar

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

ब्रह्मांड के विशाल, शांत विस्तार में, हिंसा के ऐसे क्षण होते हैं जो एक क्षण के लिए पूरी आकाशगंगाओं को भी फीका कर देते हैं। ये गामा-रे बर्स्ट (gamma-ray bursts) हैं, जो विज्ञान द्वारा ज्ञात सबसे ऊर्जावान विस्फोट हैं। वे एक पल के लिए आकाश में चमकते हैं, जो एक सेकंड के अंश से लेकर कई मिनटों तक रह सकते हैं। दशकों से, खगोलशास्त्री इन ब्रह्मांडीय चमकों को समझने का प्रयास कर रहे हैं, उन्हें ठीक वैसे ही श्रेणियों में वर्गीकृत कर रहे हैं जैसे एक पुस्तकालयाध्यक्ष पुस्तकों को व्यवस्थित करता है। उन्हें वर्गीकृत करने का सबसे सामान्य तरीका यह रहा है कि वे कितने समय तक चलते हैं। एक विस्फोट अपनी कुल ऊर्जा का 90 प्रतिशत वितरित करने में कितना समय लेता है, इसे मापकर, वैज्ञानिकों ने पारंपरिक रूप से इन घटनाओं को दो अलग समूहों में विभाजित किया है: छोटे विस्फोट जो दो सेकंड से कम में गायब हो जाते हैं, और लंबे विस्फोट जो बहुत अधिक समय तक बने रहते हैं। यह सरल विभाजन डेटा को समझाने में सक्षम प्रतीत हुआ, जिससे यह संकेत मिलता है कि छोटे विस्फोट छोटे, घने तारों के टकराव से आते हैं, जबकि लंबे विस्फोट विशाल, ढहते हुए तारों की अंतिम सांसें हैं। हालाँकि, ब्रह्मांड शायद ही कभी हमारे पहले के अनुमानों जितना व्यवस्थित होता है, और वर्षों से, शोधकर्ता आश्चर्य कर रहे थे कि क्या डेटा में कोई तीसरी, छिपी हुई श्रेणी मौजूद हो सकती है, या क्या हम जो दो समूह देखते हैं वे वास्तव में एक अधिक जटिल परिवार के केवल सबसे दृश्य भाग हैं।

भारतीय प्रौद्योगिकी संस्थान जोधपुर के भौतिकविदों के एक दल ने केवल चमक की अवधि से आगे बढ़कर देखने का निर्णय लिया। उन्होंने महसूस किया कि यदि आप न केवल एक विस्फोट की कुल अवधि को मापते हैं, बल्कि यह भी मापते हैं कि अपनी आधी ऊर्जा वितरित करने में उसे कितना समय लगता है, तो ये दो माप आपस में संबंधित होने चाहिए। यदि कोई विस्फोट लंबा है, तो यह अपेक्षा की जाती है कि अपने आधे बिंदु तक पहुँचने में भी लंबा समय लेगा। केवल यह गिनने के बजाय कि कितने विस्फोट "छोटे" या "लंबे" श्रेणियों में आते हैं, शोधकर्ताओं ने इन दो समय मापों के बीच के संबंध को एक रेखा के रूप में माना। उन्होंने दो प्रमुख उपग्रह मिशनों से डेटा का एक विशाल संग्रह एकत्र किया, जिनमें से एक 1991 से आकाश की निगरानी कर रहा है और दूसरा 2008 से घटनाओं को रिकॉर्ड कर रहा है। हजारों विस्फोटों के लिए आधी-ऊर्जा तक पहुँचने के समय को 90-प्रतिशत ऊर्जा तक पहुँचने के समय के विरुद्ध प्लॉट करके, उन्होंने यह देखने के लिए एक परिष्कृत सांख्यिकीय उपकरण का उपयोग किया कि क्या ग्राफ पर बिंदु एक सीधी रेखा बनाते हैं या वे कई अलग-अलग रेखाओं में क्लस्टर (समूहित) होते हैं।

इस जांच के परिणाम सरल दो-वर्ग वाले दृष्टिकोण को चुनौती देते हैं। जब शोधकर्ताओं ने पुराने उपग्रह मिशन के डेटा का विश्लेषण किया, तो सांख्यिकीय मॉडल ने चार रैखिक विशेषताओं (linear features) की संभावना का सुझाव दिया, जो दो से अधिक GRB श्रेणियों की ओर संकेत करता है। जब उन्होंने उसी पद्धति को नए, बड़े डेटासेट पर लागू किया, तो मॉडल ने पांच रैखिक विशेषताओं की पहचान की, जो दो से अधिक GRB श्रेणियों की संभावना की ओर भी संकेत करती है। इसका तात्पर्य यह है कि गामा-रे बर्स्ट केवल दो प्रकारों का मिश्रण नहीं हैं, बल्कि संभवतः कम से कम चार या पांच अलग-अलग उप-समूहों से बने हैं, जिनमें से प्रत्येक अपने विशिष्ट नियम का पालन करता है कि उसकी अवधि और तीव्रता कैसे विकसित होती है। अध्ययन में विस्फोटों की "कठोरता" (hardness) को भी देखा गया, जो इस बात का माप है कि कम ऊर्जा वाली रोशनी की तुलना में प्रकाश कितना ऊर्जावान है, जिसमें पाया गया कि यह भी विस्फोटों को केवल दो के बजाय कई समूहों में विभाजित कर सकता है।

हालाँकि विस्फोटों की लंबाई के हिस्टोग्राम को देखने का पारंपरिक तरीका अभी भी लघु और दीर्घ घटनाओं के बीच एक स्पष्ट विभाजन दिखाता है, लेकिन यह नया दृष्टिकोण इसके नीचे एक अधिक जटिल संरचना को प्रकट करता है। शोधकर्ताओं ने पाया कि कुछ विस्फोट दूसरों की तुलना में अपनी अवधि बहुत धीमी गति से बढ़ाते हैं, जिससे विशिष्ट समूह बनते हैं जो केवल समय को देखने पर पहले छिपे हुए थे। साक्ष्य बताते हैं कि ब्रह्मांड इन विस्फोटों के कई अलग-अलग प्रकार उत्पन्न कर रहा है, जो शायद विभिन्न प्रकार के तारकीय टकरावों या पतन परिदृश्यों से उत्पन्न होते हैं जिन्हें हमने अभी तक पूरी तरह से अलग नहीं पहचाना है। यह अध्ययन इस दावे के साथ नहीं है कि इसने प्रत्येक गामा-रे बर्स्ट के रहस्य को सुलझा लिया है, बल्कि यह मजबूत सांख्यिकीय प्रमाण प्रदान करता है कि इन ब्रह्मांडीय घटनाओं का परिवार उस सरल "लघु और दीर्घ" वर्गीकरण से कहीं अधिक बड़ा और विविध है जिसे हम अब तक मानते आए हैं। इन संबंधों का मानचित्रण करके, टीम ने ब्रह्मांड के सबसे शक्तिशाली विस्फोटों की वास्तविक विविधता को समझने के लिए एक नया द्वार खोल दिया है।

तकनीकी सारांश: GRBs को वर्गीकृत करने के लिए T90-T50 संबंध के सामान्यीकृत रैखिक मॉडल (Generalized Linear Models)

समस्या विवरण
गामा-रे बर्स्ट्स (GRBs) को पारंपरिक रूप से उनके ड्यूरेशन पैरामीटर $T_{90}$ (फ्लुएंस का 90% एकत्र करने का समय) के द्वि-मोडल वितरण के आधार पर दो अलग-अलग आबादी में वर्गीकृत किया जाता है: शॉर्ट GRBs (SGRBs) और लॉन्ग GRBs (LGRBs)। जबकि यह द्विआधारी वर्गीकरण स्थापित है और विभिन्न खगोलीय उत्पत्ति (SGRBs के लिए कॉम्पैक्ट स्टार मर्जर्स और LGRBs के लिए सुपरनोवा) से जुड़ा है, एक तीसरे वर्ग या उप-वर्गों के अस्तित्व का विषय बहस का विषय रहा है। यूनिवेरिएट (univariate) और बाइवेरिएट (bivariate) विश्लेषणों के पिछले अध्ययनों ने, जो गॉसियन वितरणों का उपयोग करते हैं, कभी-कभी तीसरे वर्ग का सुझाव दिया है, लेकिन ये निष्कर्ष विवादास्पद रहे हैं। इसके अलावा, मानक वर्गीकरण अक्सर एकल-पैरामीटर हिस्टोग्राम पर निर्भर करता है, जो कई प्रेक्षित मापदंडों जैसे कि ड्यूरेशन ( $T_{50}$ , $T_{90}$ ) और स्पेक्ट्रल हार्डनेस रेश्यो (HR) के बीच रैखिक निर्भरता को अनदेखा कर सकता है।

कार्यप्रणाली (Methodology)
लेखक दो प्रमुख GRB कैटलॉग का विश्लेषण करते हैं: फर्मी GBM कैटलॉग (3,440 इवेंट्स, 2008–2023) और BATSE 4B कैटलॉग (1,637 इवेंट्स, 1991–1996)। अध्ययन दो प्राथमिक मशीन लर्निंग और सांख्यिकीय दृष्टिकोणों का उपयोग करता है:

गॉसियन मिक्सचर मॉडल (GMM): सबसे पहले $T_{90}$ और $T_{50}$ वितरणों की द्वि-मोडलिटी को सत्यापित करने के लिए उपयोग किया गया। अनुकूलतम घटकों की संख्या ( $k$ ) का निर्धारण बायेसियन इंफॉर्मेशन क्राइटेरियन (BIC) का उपयोग करके किया गया। यह मॉडल मानता है कि डेटा $k$ गॉसियन वितरणों का एक भारित योग (weighted sum) है।
सामान्यीकृत रैखिक मॉडल (GLM): मापदंडों के बीच रैखिक निर्भरता की जांच करने के लिए, लेखक GLM एल्गोरिदम (विशेष रूप से R में flexmix पैकेज) को लागू करते हैं। यह विधि डेटा को प्रतिगमन मॉडलों (regression models) के एक परिमित मिश्रण (finite mixture) के रूप में मानती है। लेखक तीन पैरामीटर स्पेस का विश्लेषण करते हैं:
- $T_{90}$ बनाम $T_{50}$
- $T_{90}$ बनाम HR
- $T_{50}$ बनाम HR
  विशिष्ट रैखिक विशेषताओं (वर्गों) की संख्या को BIC को न्यूनतम करके निर्धारित किया जाता है। क्लास असाइनमेंट में रैंडमनेस (यादृच्छिकता) को ध्यान में रखने के लिए, प्रत्येक पैरामीटर स्पेस के लिए BIC मिनिमाइजेशन को $10^5$ बार किया गया था।

मुख्य परिणाम

यूनिवेरिएट विश्लेषण (GMM): दोनों फर्मी GBM और BATSE 4B डेटासेट $T_{90}$ और $T_{50}$ वितरणों में दो अलग-अलग आबादी के अस्तित्व की पुष्टि करते हैं।
- फर्मी GBM: SGRBs ( $\mu \approx 0.965$ s) और LGRBs ( $\mu \approx 28.47$ s)।
- BATSE 4B: SGRBs ( $\mu \approx 0.57$ s) और LGRBs ( $\mu \approx 32.15$ s)।
  इन एकल-पैरामीटर वितरणों के लिए BIC विश्लेषण दृढ़ता से दो-घटक मॉडल का समर्थन करता है।
मल्टीवेरिएट लीनियर विश्लेषण (GLM): रैखिक सहसंबंधों का विश्लेषण एक अधिक जटिल संरचना प्रकट करता है जो यूनिवेरिएट हिस्टोग्राम द्वारा सुझाए गए निष्कर्षों से भिन्न है:
- $T_{90}$ बनाम $T_{50}$ (Fermi GBM): हालांकि समग्र सहसंबंध गुणांक उच्च ( $\rho = 0.96$ ) है, GLM विश्लेषण पाँच विशिष्ट रैखिक विशेषताओं (वर्गों) की पहचान करता है। BIC अंतर ( $\Delta_4 = 10.8$ ) एक पांच-घटक मॉडल के लिए मजबूत प्रमाण प्रदान करता है। फिट किए गए पाँचों वर्गों के स्लोप (slopes) भिन्न होते हैं (0.95, 1.2, 1.18, 0.99, और 0.82)।
- $T_{90}$ बनाम $T_{50}$ (BATSE 4B): GLM विश्लेषण चार विशिष्ट रैखिक विशेषताओं ( $\Delta_3 = 3.97$ ) की पहचान करता है।
- हार्डनेस रेश्यो सहसंबंध: $T_{90}$ -HR और $T_{50}$ -HR के परिणाम कई वर्गों के संबंध में कम निर्णायक हैं। फर्मी GBM डेटा $T_{90}$ -HR के लिए तीन से अधिक और $T_{50}$ -HR के लिए चार रैखिक फिट की संभावना का सुझाव देता है, जबकि BATSE 4B डेटा दोनों के लिए एक द्विपद (bilinear) निर्भरता का सुझाव देता है।

महत्व और दावे
यह शोध पत्र दावा करता है कि जबकि GRBs का पारंपरिक द्वि-मोडल वर्गीकरण तब सत्य रहता है जब एकल मापदंडों ( $T_{90}$ या $T_{50}$ ) को अलग से देखा जाता है, इन मापदंडों के बीच का संबंध अधिक सूक्ष्म है। मापदंडों के बीच रैखिक निर्भरता की जांच करके, अध्ययन फर्मी GBM कैटलॉग में पाँच रैखिक विशेषताओं और BATSE कैटलॉग में चार की पहचान करता है।

लेखक निष्कर्ष निकालते हैं कि ये रैखिक विशेषताएँ दो से अधिक GRB वर्गों की संभावना की ओर संकेत करती हैं। विशेष रूप से, GLM तकनीक उन GRB इवेंट्स को समूहबद्ध करने की अनुमति देती है जो $T_{90}$ के सापेक्ष $T_{50}$ में धीमी वृद्धि प्रदर्शित करते हैं, एक ऐसा अंतर जिसे मानक हिस्टोग्राम-आधारित वर्गीकरण विधियाँ पकड़ने में विफल रहती हैं। अध्ययन सुझाव देता है कि मापदंडों के बीच रैखिक निर्भरता की जांच करना उप-वर्गों या मानक शॉर्ट/लॉन्ग द्वैत (dichotomy) से परे अतिरिक्त GRB आबादी के अस्तित्व को स्थापित करने के लिए एक सुदृढ़ तरीका है।

इसी तरह के और पेपर