🔭 astrophysics

The cosmological Mass Varying Neutrino model in the late universe

यह अध्ययन 32 $H(z)$ मापों का उपयोग करके मास वैरिंग न्यूट्रिनो (MaVaN) मॉडल का मूल्यांकन करता है और पाता है कि जबकि यह मानक $\Lambda$ CDM मॉडल की तुलना में कोई सांख्यिकीय रूप से महत्वपूर्ण सुधार प्रदान नहीं करता है, गैर-समतल (non-flat) संस्करण सफलतापूर्वक प्लैंक (Planck) और SH0ES डेटा के साथ $H_0$ तनाव को $1\sigma$ से नीचे कम कर देता है, हालांकि यह मुख्य रूप से $H(z)$ डेटासेट में निहित बड़े अनिश्चितताओं के कारण है।

मूल लेखक: Olga Avsajanishvili

प्रकाशित 2026-03-10

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Olga Avsajanishvili

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

मुख्य चित्र: एक ब्रह्मांडीय खींचतान (Cosmic Tug-of-War)

कल्पना कीजिए कि ब्रह्मांड एक विशाल, फैलता हुआ गुब्बारा है। दशकों से, वैज्ञानिक यह समझने की कोशिश कर रहे हैं कि यह गुब्बारा कितनी तेजी से फूल रहा है। इस गति को मापने के दो मुख्य तरीके हैं:

"बेबी फोटो" विधि: कॉस्मिक माइक्रोवेव बैकग्राउंड (CMB) को देखना, जो बिग बैंग की चमक (afterglow) है। यह सुझाव देता है कि गुब्बारा एक मध्यम गति से फूल रहा है (लगभग 67 किमी/सेकंड प्रति मेगापारसेक)।
"लोकल नेबरहुड" विधि: हमारे ब्रह्मांडीय पड़ोस में ही फटते हुए सितारों (सुपरनोवा) को मापना। यह सुझाव देता है कि गुब्बारा बहुत अधिक तेजी से फूल रहा है (लगभग 73 किमी/सेकंड प्रति मेगापारसेक)।

यह असहमति हबल टेंशन (Hubble Tension) कहलाती है। यह बिल्कुल वैसा ही है जैसे दो मैकेनिक एक ही कार के इंजन को देख रहे हों; एक कहता है कि यह 3,000 RPM पर चल रहा है, और दूसरा कहता है कि यह 4,000 RPM पर चल रहा है। वे दोनों सही नहीं हो सकते, इसलिए हमारे इंजन की समझ में कुछ कमी है।

प्रस्तावित समाधान: "मास-शिफ्टिंग" न्यूट्रिनो

इस पेपर की लेखिका, ओल्गा अवसाजनिशविली (Olga Avsajanishvili), एक नए सिद्धांत का परीक्षण कर रही हैं जिसे MaVaN (Mass Varying Neutrino) कहा जाता है।

उपमा (Analogy):
न्यूट्रिनो को (जो सूक्ष्म, रहस्यमयी कण हैं जो हर सेकंड खरबों की संख्या में आपके शरीर से गुजरते हैं) गिरगिट (chameleons) के रूप में सोचें।

मानक मॉडल (Standard Model) में, इन गिरगिटों का वजन (द्रव्यमान) स्थिर होता है।
MaVaN मॉडल में, ये गिरगिट एक रहस्यमयी "डार्क एनर्जी" क्षेत्र (एक अदृश्य इलास्टिक बैंड की तरह) से जुड़े होते हैं। जैसे-जैसे ब्रह्मांड फैलता है, यह बैंड खिंचता है, और गिरगिट इसके जवाब में अपना वजन बदलते हैं।

विचार यह है कि इन गिरगिटों और उस इलास्टिक बैंड के बीच की यह अंतःक्रिया ब्रह्मांड के विस्तार के तरीके को बदल सकती है, जिससे "बेबी फोटो" और "लोकल नेबरहुड" के बीच के अंतर को ठीक किया जा जा सके।

प्रयोग: सिद्धांत का परीक्षण

लेखिका ने केवल अनुमान नहीं लगाया; उन्होंने एक "डिजिटल टाइम मशीन" का उपयोग करके एक विशाल सिमुलेशन चलाया।

डेटा: उन्होंने विभिन्न समय बिंदुओं (रेडशिफ्ट्स) पर ब्रह्मांड के विस्तार की दर के 32 अलग-अलग मापों का उपयोग किया। इन्हें गुब्बारे के विभिन्न आकारों के "स्नैपशॉट" के रूप में समझें।
मॉडल: उन्होंने तीन परिदृश्यों की तुलना की:
- मानक मॉडल (ΛCDM): गुब्बारे के पास फिक्स विस्तार नियम है।
- फ्लैट MaVaN मॉडल: गिरगिट अपना वजन बदलते हैं, लेकिन ब्रह्मांड पूरी तरह से सपाट है (जैसे कागज की एक शीट)।
- नॉन-फ्लैट MaVaN मॉडल: गिरगिट अपना वजन बदलते हैं, और ब्रह्मांड थोड़ा घुमावदार है (जैसे एक सैडल या गोला)।

परिणाम: एक निराशाजनक (लेकिन ईमानदार) निष्कर्ष

संख्याओं की गणना करने के बाद, परिणाम नए सिद्धांत के लिए थोड़े निराशाजनक थे, लेकिन पुराने सिद्धांत के लिए राहत भरे थे।

1. नया सिद्धांत दौड़ नहीं जीत सका
मॉडलों की तुलना करने पर, मानक "निश्चित नियम" वाला मॉडल (ΛCDM) अभी भी सबसे अच्छा फिट था। MaVaN मॉडल (गिरगिट वाले मॉडल) ने डेटा को मानक मॉडल से बेहतर तरीके से नहीं समझाया। वास्तव में, क्योंकि MaVaN मॉडलों में "घुमाने के लिए अधिक नॉब्स" (अतिरिक्त पैरामीटर) हैं, उन्हें सांख्यिकीय नियमों (AICc और BIC) द्वारा दंडित किया गया। यह ऐसा है जैसे किसी ऐसे काम के लिए स्विस आर्मी नाइफ (Swiss Army Knife) ले जाना जिसके लिए केवल एक पेचकस (screwdriver) की आवश्यकता है; अतिरिक्त औजारों ने मदद नहीं की, बल्कि चीजें जटिल बना दीं।

2. "कर्व्ड" (घुमावदार) मॉडल ने उम्मीद की एक किरण दिखाई
"नॉन-फ्लट" MaVaN मॉडल ने कुछ दिलचस्प किया। इसने एक हबल स्थिरांक (विस्तार दर) की भविष्यवाणी की जो "बेबी फोटो" माप के करीब था।

पेंच (The Catch): इसने वास्तव में टेंशन को हल नहीं किया। इसने केवल अनिश्चितता के दायरे (error bars) को इतना बड़ा कर दिया कि दोनों माप आपस में सहमत दिखने लगे।
उपमा: कल्पना कीजिए कि आप किसी की लंबाई का अनुमान लगाने की कोशिश कर रहे हैं।
- मानक मॉडल: "वे 5'10" ± 1 इंच हैं।" (बहुत सटीक, लेकिन शायद गलत)।
- MaVaN मॉडल: "वे 4' और 7' के बीच हैं।" (इतना चौड़ा कि इसमें तकनीकी रूप से सच्चाई शामिल है, लेकिन यह बहुत उपयोगी नहीं है)।
  पेपर यह निष्कर्ष निकालता है कि MaVaN मॉडल समस्या को केवल इसलिए "हल" करता है क्योंकि वह बहुत अस्पष्ट है, न कि इसलिए कि वह सटीक है।

3. डेटा अभी पर्याप्त अच्छा नहीं है
मुख्य निष्कर्ष यह है कि वर्तमान डेटा (32 स्नैपशॉट्स) बहुत "धुंधला" है। एरर बार इतने बड़े हैं कि MaVaN मॉडल डेटा के अनुसार खुद को ढाल सकते हैं, लेकिन वे मानक मॉडल से बेहतर बनकर उभर नहीं पाते। उनके द्वारा उत्पन्न विचलन बहुत मामूली हैं—एक मानक विचलन (standard deviation) से भी कम—जिसका अर्थ है कि वे सांख्यिकीय रूप से महत्वपूर्ण नहीं हैं।

निचोड़ (Bottom Line)

यह पेपर एक वैज्ञानिक "चेक-अप" है। लेखिका ने पूछा: "क्या बदलते-न्यूट्रिनो-मास का यह नया सिद्धांत हमारे ब्रह्मांडीय स्पीडोमीटर की समस्या को ठीक करता है?"

जवाब: वास्तव में नहीं।

मानक मॉडल अभी भी सबसे अच्छा बना हुआ है।
नया मॉडल डेटा के साथ काफी बेहतर ढंग से फिट नहीं होता है।
कोई भी दृश्य सुधार केवल इसलिए है क्योंकि डेटा इतना अनिश्चित है कि वह नए मॉडल को खारिज करने में सक्षम नहीं है, न कि इसलिए कि नया मॉडल वास्तव में सही है।

भविष्य: हमें ब्रह्मांड के अधिक स्पष्ट "स्नैपशॉट्स" (बेहतर डेटा) की आवश्यकता है ताकि यह देखा जा सके कि क्या गिरगिट वास्तव में अपना वजन बदल रहे हैं या हमें मानक मॉडल के साथ ही बने रहना चाहिए। फिलहाल, मानक मॉडल ही चैंपियन बना हुआ है, और MaVaN सिद्धांत केवल एक "शायद" है जिसे अधिक प्रमाणों की आवश्यकता है।

यहाँ ओल्गा अवसाजनिशविली के शोध पत्र "The cosmological Mass Varying Neutrino model in the late universe" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

मानक $\Lambda$ CDM ब्रह्मांडीय मॉडल, हालांकि सफल है, महत्वपूर्ण डेटा के साथ गंभीर तनावों का सामना करता है, विशेष रूप से हबल स्थिरांक ( $H_0$ ) तनाव। यह विसंगति प्रारंभिक ब्रह्मांड के मापों (Planck CMB, $H_0 \approx 67.4$ km s $^{-1}$ Mpc $^{-1}$ ) और देर से ब्रह्मांड के स्थानीय मापों (SH0ES, $H_0 \approx 73.0$ km s $^{-1}$ Mpc $^{-1}$ ) के बीच मौजूद है। इसके अतिरिक्त, यह मॉडल संयोग समस्या (coincidence problem) (क्यों डार्क एनर्जी और डार्क मैटर घनत्व आज तुलनीय हैं) या न्यूट्रिनो द्रव्यमान की उत्पत्ति की स्वाभाविक व्याख्या नहीं करता है।

एक मास वैरीइंग न्यूट्रिनो (MaVaN) मॉडल प्रस्तावित किया गया है जहाँ न्यूट्रिनो (फर्मिओनिक क्षेत्र) एक स्केलर फील्ड (डार्क एनर्जी) के साथ युकावा कपलिंग (Yukawa coupling) के माध्यम से परस्पर क्रिया करते हैं। यह परस्पर क्रिया गतिशील रूप से न्यूट्रिनो द्रव्यमान उत्पन्न करती है और उन्हें डार्क एनर्जी सेक्टर से जोड़ती है। हालाँकि, पिछले अध्ययनों ने अस्थिरताओं (ऋणात्मक ध्वनि गति वर्ग) और मजबूत अवलोकन संबंधी बाधाओं की आवश्यकता जैसी समस्याओं पर प्रकाश डाला है। यह शोध पत्र जांच करता है कि क्या फ्लैट और नॉन-फ्लैट MaVaN मॉडल, विशेष रूप से जो रत्रा-पीबल्स पोटेंशियल (Ratra-Peebles potential) के साथ हैं, $H_0$ तनाव को हल कर सकते हैं और $\Lambda$ CDM की तुलना में देर के ब्रह्मांड के विस्तार डेटा को बेहतर ढंग से फिट कर सकते हैं।

2. कार्यप्रणाली (Methodology)

सैद्धांतिक ढांचा (Theoretical Framework)

मॉडल: अध्ययन एक ऐसे ब्रह्मांड पर विचार करता है जहाँ एक फर्मिओनिक क्षेत्र (न्यूट्रिनो, $N_F=3$ फ्लेवर्स) युकावा कपलिंग ( $g=1$ ) के माध्यम से एक स्केलर फील्ड $\phi$ के साथ परस्पर क्रिया करता है।
पोटेंशियल: स्केलर फील्ड एक इनवर्स पावर-लॉ रत्रा-पीबल्स पोटेंशियल का अनुसरण करता है: $V(\phi) = M^{\alpha+4}/\phi^\alpha$ , जहाँ $M$ एक द्रव्यमान पैमाना है और $\alpha$ एक तीव्रता पैरामीटर है।
तंत्र (Mechanism): यह परस्पर क्रिया एक "न्यूट्रिनो-स्केलर फील्ड फ्लूइड" बनाती है। न्यूट्रिनो एक गतिशील रूप से उत्पन्न द्रव्यमान $m_\nu = g\phi_{cr}$ प्राप्त करते हैं, जो उस क्रिटिकल पॉइंट पर होता है जहाँ कुल थर्मोडायनामिक पोटेंशियल न्यूनतम होता है।
समीकरण: लेखक युग्मित फ्लूइड (coupled fluid) के लिए फ्राइडमैन समीकरण और क्लेन-गॉर्डन गति के समीकरण को व्युत्पन्न करते हैं। वे क्रिटिकल युग से वर्तमान तक विस्तार दर $H(z)$ और स्केलर फील्ड द्रव्यमान के विकास का विश्लेषण करते हैं।

अवलोकन संबंधी डेटा और विश्लेषण (Observational Data & Analysis)

डेटा: अध्ययन $0.07 \leq z \leq 1.965$ की सीमा में 32 $H(z)$ मापों (रेडशिफ्ट बनाम हबल पैरामीटर) का उपयोग करता है। इस डेटासेट में 15 सह-संबंधित (correlated) माप शामिल हैं।
परीक्षण किए गए मॉडल:
1. फ्लैट MaVaN ( $p = \{H_0, \alpha, \Omega_{m0}, \sum m_\nu\}$ )
2. नॉन-फ्लट MaVaN ( $p = \{H_0, \alpha, \Omega_{m0}, \sum m_\nu, \Omega_{k0}\}$ )
3. मानक फ्लैट $\Lambda$ CDM ( $p = \{H_0, \Omega_{m0}\}$ )
सांख्यिकीय उपकरण:
- MCMC विश्लेषण: पोस्टीरियर डिस्ट्रीब्यूशन को सैंपल करने के लिए Cobaya फ्रेमवर्क का उपयोग किया गया।
- मॉडल चयन: मॉडल की जटिलता के विरुद्ध उसके फिट होने की गुणवत्ता की तुलना करने के लिए $\Delta\chi^2_{min}$ , AICc (सुधारित अकीके सूचना मानदंड) और BIC (बायेसियन सूचना मानदंड) का उपयोग किया गया।
- अभिसरण (Convergence): गेलमैन-रुबिन डायग्नोस्टिक ( $R-1 < 0.1$ ) का उपयोग करके सत्यापित किया गया।

3. प्रमुख योगदान (Key Contributions)

थ्री-फ्लेवर फॉर्मलिज्म: पिछले MaVaN अध्ययनों के विपरीत, जो अक्सर एकल न्यूट्रिनो फ्लेवर ( $N_F=1$ ) को मानते थे, यह कार्य तीन न्यूट्रिनो फ्लेवर्स ( $N_F=3$ ) के लिए संख्यात्मक गणना करता है, जो अधिक यथार्थवादी ब्रह्मांडीय परिदृश्य प्रदान करता है।
देर के ब्रह्मांड की बाधाएं: यह पेपर विशेष रूप से $H(z)$ डेटा का उपयोग करके फ्लैट और नॉन-फ्लैट MaVaN मॉडल पर पहली कठोर बाधाएं प्रदान करता है, जो CMB बाधाओं से देर के समय के विस्तार इतिहास को अलग करता है।
तनाव विश्लेषण: यह मात्रात्मक रूप से आकलन करता है कि MaVaN मॉडल दोनों Planck CMB और SH0ES मापों के सापेक्ष $H_0$ तनाव को कम करने में कितने सक्षम हैं।
स्थिरता जांच: यह स्केलर फील्ड द्रव्यमान और विस्तार दर के विकास की जांच करता है, यह पुष्टि करते हुए कि $\Lambda$ CDM से विचलन अवलोकन संबंधी त्रुटि बारों के भीतर रहते हैं।

4. परिणाम (Results)

विकासात्मक गतिशीलता (Evolutionary Dynamics)

विस्तार दर: MaVaN मॉडल में, पैरामीटर $\alpha$ को बढ़ाने से गैर-परस्पर क्रिया वाले मामले की तुलना में धीमी विस्तार दर होती है। यह मानक स्केलर फील्ड मॉडलों के विपरीत है, लेकिन ऐसा इसलिए होता है क्योंकि उच्च $\alpha$ न्यूट्रिनो द्रव्यमान के योग को बढ़ाता है, जो स्केलर फील्ड के योगदान को कमजोर करता है।
स्केलर फील्ड द्रव्यमान: $\alpha$ बढ़ने के साथ स्केलर फील्ड का द्रव्यमान घटता है, और वर्तमान युग में शून्य की ओर अभिसरित होता है।
रेडशिफ्ट निर्भरता: MaVaN मॉडल $\Lambda$ CDM से हल्के, रेडशिफ्ट-निर्भर विचलन दिखाते हैं। फ्लैट मॉडल में, निम्न $z$ ( $z \leq 0.5$ ) पर $H(z)$ , $\Lambda$ CDM से अधिक होता है लेकिन उच्च $z$ पर कम होता है।

पैरामीटर बाधाएं (Parameter Constraints)

फ्लैट MaVaN: एक कम हबल स्थिरांक ( $H_0 \approx 63.34$ km s $^{-1}$ Mpc $^{-1}$ ) और द्रव्यमान घनत्व $\Omega_{m0} \approx 0.343$ की भविष्यवाणी करता है। न्यूट्रिनो द्रव्यमान का योग ( $\sum m_\nu$ ) और $\alpha$ , $1\sigma$ के भीतर शून्य के अनुरूप हैं।
नॉन-फ्लैट MaVaN: एक उच्च $H_0 \approx 67.52$ km s $^{-1}$ Mpc $^{-1}$ और एक ऋणात्मक वक्रता पैरामीटर ( $\Omega_{k0} \approx -0.199$ ) की भविष्यवाणी करता है, जो थोड़ा बंद ब्रह्मांड (closed universe) का सुझाव देता है, हालांकि अनिश्चितताएं बड़ी हैं।
$\Lambda$ CDM: $H_0 \approx 68.59$ km s $^{-1}$ Mpc $^{-1}$ प्राप्त करता है।

मॉडल तुलना और $H_0$ तनाव (Model Comparison & $H_0$ Tension)

फिट की गुणवत्ता: सभी मॉडल $H(z)$ डेटा को अच्छी तरह से फिट करते हैं ( $\chi^2_{min}/dof < 1$ ), लेकिन $\chi^2_{min}$ में अंतर नगण्य है ( $|\Delta\chi^2_{min}| < 1$ )।
सूचना मानदंड: दोनों AICc और BIC मानक $\Lambda$ CDM मॉडल का पुरजोर समर्थन करते हैं ( $w = 0.93$ )। MaVaN मॉडलों को नगण्य भार ( $w \approx 0.06$ और $0.02 $) मिलता है क्योंकि अतिरिक्त पैरामीटर ($ \alpha, \sum m_\nu, \Omega_{k0}$) फिट में महत्वपूर्ण सुधार नहीं करते हैं।
$H_0$ तनाव का समाधान:
- नॉन-फ्लैट MaVaN: Planck CMB के साथ तनाव को $\sim 1.1\sigma$ तक और SH0ES के साथ $<1\sigma$ तक कम करता है। हालांकि, यह मुख्य रूप से $H(z)$ डेटा में बड़ी अनिश्चितताओं के कारण है, न कि किसी सांख्यिकीय रूप से महत्वपूर्ण बदलाव के कारण।
- फ्लैट MaVaN: SH0ES के साथ तनाव को बदतर बनाता है ( $\sim 3\sigma$ विसंगति)।
- निष्कर्ष: नॉन-फ्लट मामले में $H_0$ तनाव का आभासी निवारण एक मजबूत समाधान नहीं है, बल्कि वर्तमान $H(z)$ डेटा द्वारा दी गई व्यापक विश्वास अंतराल (confidence intervals) का परिणाम है।

5. महत्व और निष्कर्ष (Significance and Conclusion)

यह शोध पत्र निष्कर्ष निकालता है कि हालांकि मास वैरीइंग न्यूट्रिनो (MaVaN) मॉडल न्यूट्रिनो द्रव्यमान और डार्क एनर्जी को जोड़ने के लिए एक सैद्धांतिक रूप से दिलचस्प तंत्र प्रदान करता है, लेकिन वर्तमान $H(z)$ डेटा इसे मानक $\Lambda$ CDM मॉडल से अलग करने के लिए अपर्याप्त हैं।

सांख्यिकीय प्राथमिकता: मानक $\Lambda$ CDM मॉडल वर्तमान डेटासेट को देखते हुए सबसे अधिक सांख्यिकीय रूप से समर्थित मॉडल बना हुआ है, क्योंकि MaVaN मॉडल बिना किसी महत्वपूर्ण $\chi^2$ कमी के अनावश्यक जटिलता जोड़ते हैं।
डेटा की सीमाएं: $H(z)$ मापों में बड़ी अनिश्चितताएं न्यूट्रिनो द्रव्यमान के योग या रत्रा-पीबल्स पैरामीटर $\alpha$ पर कड़े प्रतिबंध लगाने से रोकती हैं।
भविष्य का दृष्टिकोण: अध्ययन इस बात पर जोर देता है कि $H_0$ तनाव को हल करने या MaVaN परिदृश्यों को मान्य करने के लिए अधिक सटीक अवलोकन संबंधी डेटा (जैसे DESI, Euclid, या भविष्य के CMB प्रयोगों से) की आवश्यकता है ताकि त्रुटि बार को कम किया जा सके और मॉडल मापदंडों के बीच की अस्पष्टता (degeneracy) को समाप्त किया जा सके।

संक्षेप में, MaVaN मॉडल वर्तमान में केवल $H(z)$ डेटा के आधार पर ब्रह्मांड के देर के विस्तार इतिहास को समझाने में $\Lambda$ CDM की तुलना में सांख्यिकीय रूप से महत्वपूर्ण सुधार प्रदान नहीं करता है।