🔭 astrophysics

Bayesian and frequentist perspectives agree on dynamical dark energy

यह शोध पत्र प्रदर्शित करता है कि DESI, Planck और सुपरनोवा डेटा के बार-बार होने वाले फ्रीक्वेंटिस्ट प्रोफाइल लाइकलीहुड विश्लेषण बेयसियन निष्कर्षों की पुष्टि करते हैं, जो यह पुष्ट करते हैं कि वर्तमान अवलोकन कॉस्मोलॉजिकल कॉन्स्टेंट की तुलना में डायनेमिकल डार्क एनर्जी के पक्ष में हैं और पदार्थ अंश $\Omega_\mathrm{m}$ में आंतरिक विसंगतियों को हल करते हैं।

मूल लेखक: Laura Herold, Tanvi Karwal

प्रकाशित 2026-07-01

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Laura Herold, Tanvi Karwal

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

कल्पना कीजिए कि ब्रह्मांड एक विशाल, फैलते हुए गुब्बारे की तरह है। दशकों से, वैज्ञानिक यह समझने की कोशिश कर रहे हैं कि वह गुब्बारा वास्तव में कैसे फूल रहा है। प्रमुख सिद्धांत, जिसे "स्टैंडर्ड मॉडल" ( $\Lambda$ CDM) कहा जाता है, यह सुझाव देता है कि गुब्बारा एक स्थिर, अपरिवर्तित दर पर फूल रहा है, जो "डार्क एनर्जी" नामक एक रहस्यमय बल द्वारा संचालित है जो एक निरंतर, अडिग दबाव की तरह कार्य करता है।

हालाँकि, DESI नामक एक विशाल टेलीस्कोप सर्वे से मिले नए डेटा ने संकेत दिया है कि गुब्बारा शायद लगातार नहीं फूल रहा है। इसके बजाय, दबाव समय के साथ बदल सकता है—जैसे कि एक ऐसा गुब्बारा जो धीरे-धीरे अपने विस्तार की गति बढ़ा रहा है या घटा रहा है। इस विचार को "डायनेमिकल डार्क एनर्जी" (गतिशील डार्क एनर्जी) कहा जाता है।

यहाँ इस शोध पत्र का सरल विवरण दिया गया है कि इसने क्या किया और क्या पाया:

1. महान सांख्यिकीय मुकाबला: मापने के दो तरीके

विज्ञान में, डेटा का विश्लेषण करने और निष्कर्ष निकालने के दो मुख्य तरीके हैं: बेशियन (Bayesian) और फ्रीक्वेंटिस्ट (Frequentist)।

बेशियन दृष्टिकोण एक जासूस की तरह है जो एक मजबूत पूर्वाग्रह या धारणा (एक "प्रायर") के साथ मामले की शुरुआत करता है कि मामला कैसा दिख सकता है, और फिर उस धारणा को अपडेट करने के लिए साक्ष्य एकत्र करता है। यह कॉस्मोलॉजी (ब्रह्मांड विज्ञान) में बहुत लोकप्रिय है।
फ्रीक्वेंटिस्ट दृष्टिकोण एक ऐसे जासूस की तरह है जो किसी भी पूर्वाग्रह के बिना काम शुरू करने से इनकार कर देता है। वे केवल कच्चे साक्ष्यों को देखते हैं और पूछते हैं, "यदि ब्रह्मांड वास्तव में इस तरह का होता, तो इस विशिष्ट डेटा को देखने की कितनी संभावना है?"

लंबे समय से, बेशियन जासूस कह रहे हैं, "हे, डेटा सुझाव देता है कि डार्क एनर्जी बदल रही है!" लेकिन कुछ संशयवादियों को डर था कि बेशियन के "पूर्वाग्रह" (शुरुआती धारणाएं) उन्हें धोखा दे सकते हैं।

शोध पत्र का मिशन: लेखकों चाहते थे कि यह देखें कि क्या फ्रीक्वेंटिस्ट जासूस, जो एक पूरी तरह से अलग गणितीय विधि का उपयोग करते हैं, बेशियनों के साथ सहमत होंगे या नहीं। उन्होंने फ्रीक्वेंटिस्ट विधि को एक "तनाव परीक्षण" (stress test) के रूप में माना ताकि यह देखा जा सके कि क्या परिणाम बेशियन "पूर्वाग्रहों" के बिना भी टिके रहते हैं।

2. निर्णय: वे सहमत हैं!

शोध पत्र ने पाया कि दोनों विधियाँ पूरी तरह से सहमत हैं।

उपमा: कल्पना कीजिए कि सर्वेक्षण करने वाली दो अलग-अलग टीमें एक पहाड़ को माप रही हैं। एक टीम लेजर (बेशियन) का उपयोग करती है, और दूसरी टीम टेप माप और लेवल (फ्रीक्वेंटिस्ट) का उपयोग करती है। भले ही वे अलग-अलग उपकरणों और गणित का उपयोग करती हैं, लेकिन दोनों रिपोर्ट करते हैं कि पहाड़ की ऊंचाई बिल्कुल समान है।
परिणाम: जब लेखकों ने नए DESI डेटा पर फ्रीक्वेंटिस्ट विधि लागू की, तो उन्होंने वही "लहराता हुआ" (wobbly) डार्क एनर्जी सिग्नल पाया जो बेशियन विधि ने पाया था। इसका मतलब है कि बदलते हुए डार्क एनर्जी का प्रमाण केवल गणित का एक भ्रम नहीं है; यह डेटा की एक वास्तविक विशेषता है।

3. डेटा सेट के बीच "रस्साकशी"

इस पत्र ने यह भी जांचा कि डेटा ऐसा क्यों दिखता है। उन्होंने तीन अलग-अलग डेटा समूहों की जांच की:

कॉस्मिक माइक्रोवेव बैकग्राउंड (CMB): ब्रह्मांड की बहुत शुरुआती अवस्था की एक "बेबी पिक्चर"।
BAO (बैरियन एकोस्टिक ऑसिलेशन): आकाशगंगाओं के वितरण में एक "जीवाश्म ध्वनि तरंग" जैसा पैटर्न।
सुपरनोवा (Supernovae): दूरी मापने के लिए उपयोग किए जाने वाले विस्फोटित तारे जिन्हें "स्टैंडर्ड कैंडल्स" कहा जाता है।

संघर्ष:

"बेबी पिक्चर" (CMB) कहता है कि ब्रह्मांड में पदार्थ की एक निश्चित मात्रा है (जैसे गुब्बारे में हवा की एक विशिष्ट मात्रा)।
"जीवाश्म ध्वनि" (DESI/BAO) और "विस्फोटित तारे" (Supernovae) थोड़ा अलग मात्रा में पदार्थ को पसंद करते हुए प्रतीत होते हैं।

समाधान:
जब वैज्ञानिक ब्रह्मांड को "स्टैंडर्ड मॉडल" (स्थिर दबाव) का पालन करने के लिए मजबूर करते हैं, तो ये डेटा समूह आपस में लड़ते हैं, जिससे एक खराब तालमेल (bad fit) पैदा होता है (जैसे किसी चौकोर टुकड़े को गोल छेद में जबरदस्ती फिट करने की कोशिश करना)।
हालाँकि, जब वे डार्क एनर्जी को समय के साथ बदलने (डायनेमिकल मॉडल) की अनुमति देते हैं, तो ब्रह्मांड तीनों समूहों को एक साथ संतुष्ट करने के लिए पर्याप्त लचीला हो जाता है। "रस्साकशी" समाप्त हो जाती है, और तालमेल बहुत बेहतर हो जाता है।

4. "पिवट पॉइंट" (Pivot Point) का आश्चर्य

सबसे दिलचस्प निष्कर्षों में से एक यह है कि यह परिवर्तन कब होता है।

वैज्ञानिक अक्सर समय के एक विशिष्ट बिंदु (एक विशिष्ट रेडशिफ्ट) पर देखते हैं कि क्या डार्क एनर्जी मानक स्थिर मान से भिन्न है।
निष्कर्ष: इस विशिष्ट पिवट पॉइंट पर, डार्क एनर्जी बिल्कुल मानक स्थिर मान ( $w = -1$ ) की तरह दिखती है।
ट्विस्ट: भले ही वह उस विशिष्ट क्षण में सामान्य दिखती है, लेकिन परिवर्तन की दर (डेरिवेटिव) शून्य नहीं है। यह एक ऐसी कार की तरह है जो ठीक उसी क्षण गति सीमा पर चल रही है जब पुलिस अधिकारी उसे चेक करता है, लेकिन कार वास्तव में बाकी समय त्वरित (accelerating) या मंद (decelerating) हो रही होती है। डेटा गति के बजाय गति के परिवर्तन के प्रति संवेदनशील है।

सारांश

यह शोध पत्र ब्रह्मांड के लिए एक "सेंटी चेक" (sanity check) है। यह पुष्टि करता है कि बदलते हुए डार्क एनर्जी के संकेत वास्तविक और मजबूत हैं, न कि किसी एक विशिष्ट सांख्यिकीय पद्धति का परिणाम।

क्या उन्होंने एक नया बल खोजा? नहीं, उन्होंने पुष्टि की कि वर्तमान डेटा बताता है कि मौजूदा डार्क एनर्जी समय के साथ अपना व्यवहार बदल सकती है।
क्या उन्होंने रहस्य सुलझा लिया? अभी नहीं। उन्होंने पुष्टि की कि रहस्य वास्तविक है और विभिन्न गणितीय उपकरण इस समस्या पर सहमत हैं।
मुख्य बात: ब्रह्मांड सरल, स्थिर विस्तार मॉडल की तुलना में अधिक गतिशील और जटिल हो सकता है, और अब हम इस निष्कर्ष के प्रति अधिक आश्वस्त हो सकते हैं क्योंकि दो बहुत ही अलग तरीकों के गणित ने एक ही उत्तर दिया है।

समस्या विवरण
डार्क एनर्जी स्पेक्ट्रोस्कोपिक इंस्ट्रूमेंट (DESI) से प्राप्त बेरियन एकोस्टिक ऑसिलेशन (BAO) डेटा के हालिया विश्लेषणों ने, जब कॉस्मिक माइक्रोवेव बैकग्राउंड (CMB) डेटा के साथ संयोजित किए गए, तो मानक कॉस्मोलॉजिकल कॉन्स्टेंट ( $\Lambda$ ) मॉडल से विचलन का संकेत दिया है। विशेष रूप से, मार्कोव-चेन मोंटे कार्लो (MCMC) विधियों का उपयोग करने वाले बेयसियन विश्लेषणों ने डायनेमिकल डार्क एनर्जी (DE) के लिए प्राथमिकता दर्शाई है, जिसे चेवेलियर-पोलार्सकी-लिंडर (CPL) पैरामीट्राइजेशन ( $w_0, w_a$ ) द्वारा वर्णित किया गया है, जो लगभग $3\sigma$ पर $w = -1$ को बाहर करता है। हालांकि, ये बेयसियन विश्वसनीय अंतराल (credible intervals) विशिष्ट प्रायर (prior) विकल्पों और न्युसेंस पैरामीटर्स के मार्जिनलाइजेशन पर निर्भर करते हैं। उन मॉडलों में जहाँ डेटा प्रतिबंध कमजोर हैं या लाइकलहुड (likelihood) गैर-गॉसियनता से विचलित होती है, "प्रायर-वॉल्यूम प्रभाव" परिणामों को महत्वपूर्ण रूप से प्रभावित कर सकते हैं। जबकि DESI सहयोग ने $\Delta\chi^2$ का उपयोग करके फ्रीक्वेंटिस्ट (frequentist) विचलन को स्पष्ट किया है, CPL पैरामीटर्स के लिए फ्रीक्वेंटिस्ट कॉन्फिडेंस इंटरवल बनाम बेयसियन विश्वसनीय अंतराल की एक कठोर तुलना अभी तक पूरी तरह से स्थापित नहीं हुई है। यह कार्य इस बात को संबोधित करता है कि क्या $w_0$ और $w_a$ पर फ्रीक्वेंटिस्ट प्रतिबंध उनके बेयसियन समकक्षों के साथ सहमत हैं और यह जांचता है कि कौन से डेटासेट इन प्रतिबंधों को संचालित करते हैं।

कार्यप्रणाली
लेखक CPL मॉडल पैरामीटर्स ( $w_0, w_a$ ) और मैटर डेंसिटी ( $\Omega_m$ ) का विश्लेषण करने के लिए प्रोफाइल लाइकलहुड पर आधारित एक फ्रीक्वेंटिस्ट दृष्टिकोण का उपयोग करते हैं।

डेटासेट: विश्लेषण DESI डेटा रिलीज़ 2 (DR2) BAO डेटा को Planck PR3 प्राथमिक CMB स्पेक्ट्रा और Planck एवं अटाकामा कॉस्मोलॉजी टेलीस्कोप (ACT) के लेंसिंग पावर स्पेक्ट्रा के साथ संयोजित करता है। पैंथियन+ (Pantheon+) और डार्क एनर्जी सर्वे (DES) वर्ष 5 (Y5) के सुपरनोवा डेटा को भी विभिन्न संयोजनों में शामिल किया गया है।
सांख्यिकीय ढांचा:
- बेयसियन: पोस्टीरियर्स (posteriors) को फ्लैट प्रायर ( $w_0 \in [-3, 1]$ , $w_0+w_a \in [-5, 0]$ ) के साथ MontePython का उपयोग करके प्राप्त किया जाता है।
- फ्रीक्वेंटिस्ट: प्रोफाइल लाइकलहुड की गणना MontePython के साथ इंटरफेस किए गए pinc कोड (सिमुलेटेड एनीलिंग मिनिमाइजेशन) का उपयोग करके की जाती है। एक पैरामीटर $\theta$ के लिए प्रोफाइल लाइकलहुड को एक निश्चित $\theta$ के लिए सभी अन्य न्युसेंस पैरामीटर्स $\nu$ पर लाइकलहुड को अधिकतम करके परिभाषित किया जाता है। कॉन्फिडेंस इंटरवल ग्राफिकल विधि का उपयोग करके प्राप्त किए जाते हैं जहाँ $\Delta\chi^2 = 1$ (68%) और $\Delta\chi^2 = 4$ (95%) है।
मॉडलिंग: नॉन-लीनियर सुधारों के साथ CLASS का उपयोग करके लीनियर कॉस्मोलॉजिकल भविष्यवाणियां उत्पन्न की जाती हैं। न्यूट्रिनो द्रव्यमान को डिजेनरेट-मास सन्निकटन मानते हुए न्यूनतम अनुमत योग ($0.06$ eV) पर स्थिर किया गया है।
विघटन (Decomposition): प्रतिबंधों के चालकों की पहचान करने के लिए, कुल $\chi^2$ को व्यक्तिगत डेटासेट (CMB, BAO, SNe) के योगदान में विभाजित किया जाता है, जिसमें $\Omega_m$ को स्थिर रखा जाता है और अन्य पैरामीटर्स पर लाइकलहुड को अधिकतम किया जाता है।

प्रमुख योगदान और परिणाम

सांख्यिकीय प्रतिमानों के बीच सहमति: प्राथमिक निष्कर्ष यह है कि CPL पैरामीटर्स $w_0$ और $w_a$ पर फ्रीक्वेंटिस्ट प्रतिबंध बेयसियन प्रतिबंधों के साथ उत्कृष्ट सहमति में हैं।
- बेयसियन पोस्टीरियर्स के माध्य और फ्रीक्वेंटिस्ट मैक्सिमम लाइकलहुड एस्टिमेट्स (MLE) सभी डेटासेट संयोजनों में $0.2\sigma$ के भीतर सहमत हैं।
- 68% विश्वसनीय और कॉन्फिडेंस अंतराल के आकार 8–9% के भीतर सहमत हैं।
- यह सहमति बताती है कि प्रायर-वॉल्यूम प्रभाव इस संदर्भ में बेयसियन परिणामों को महत्वपूर्ण रूप से बायस (bias) नहीं कर रहे हैं, क्योंकि लाइकलहुड्स पर्याप्त रूप से प्रतिबंधात्मक हैं।
$\Omega_m$ विसंगतियों का समाधान:
- $\Lambda$ CDM मॉडल के तहत, व्यक्तिगत डेटासेट मैटर डेंसिटी $\Omega_m$ के पसंदीदा मान के संबंध में मामूली आंतरिक विसंगतियां दिखाते हैं (उदाहरण के लिए, DESI कम $\Omega_m \sim 0.295$ पसंद करता है, जबकि CMB उच्च $\Omega_m \sim 0.315$ पसंद करता है)। $\Lambda$ CDM के तहत संयुक्त फिट लगाने से एक समझौता होता है जो व्यक्तिगत डेटासेट के लिए $\chi^2$ को बढ़ाता है।
- डायनेमिकल $w_0w_a$ CDM मॉडल को मानते समय, ये विसंगतियां समाप्त हो जाती हैं। व्यक्तिगत डेटासेट $\Omega_m \sim 0.32$ के केंद्रीय मान पर सहमत होते हैं, हालांकि दो अतिरिक्त स्वतंत्र मापदंडों के कारण अनिश्चितताएं अधिक हैं। यह पुष्टि करता है कि डायनेमिकल DE के प्रति प्राथमिकता मॉडल की विभिन्न डेटासेट्स की भिन्न $\Omega_m$ प्राथमिकताओं को एक साथ फिट करने की क्षमता से उत्पन्न होती है।
प्रतिबंधों के चालक:
- $w_0$ और $w_a$ पर प्रतिबंध मुख्य रूप से BAO और सुपरनोवा डेटा द्वारा संचालित होते हैं, जिसमें CMB की भूमिका उप-प्रमुख (subdominant) है।
- $\Lambda$ CDM के सापेक्ष फिट में सुधार ( $\Delta\chi^2$ ) सबसे महत्वपूर्ण तब होता है जब CMB, DESI और DES Y5 डेटा को संयोजित किया जाता है ( $\Delta\chi^2 \approx -11$ 2 अतिरिक्त डिग्री ऑफ फ्रीडम के लिए)।
पिवट रेडशिफ्ट पर इक्वेशन ऑफ स्टेट:
- लेखक पिवट रेडशिफ्ट $z_p$ और इक्वेशन ऑफ स्टेट $w_p$ पर प्रतिबंधों को प्रोजेक्ट करते हैं। दोनों बेयसियन और फ्रीक्वेंटिस्ट विधियां $w_p \approx -1$ पाती हैं।
- यह इंगित करता है कि वर्तमान डेटा इक्वेशन ऑफ स्टेट के डेरिवेटिव ( $w_a \neq 0$ ) के प्रति अधिक संवेदनशील है, न कि $-1 $से औसत ऑफसेट के प्रति। बेस्ट-फिट मॉडल एक "फैंटम" शासन ($ w < -1$) से पिवट रेडशिफ्ट के आसपास एक नॉन-फैंटम शासन में संक्रमण का सुझाव देते हैं।

महत्व
यह शोध पत्र डायनेमिकल डार्क एनर्जी के संबंध में पिछले निष्कर्षों की मजबूती को प्रमाणित करता है, यह प्रदर्शित करते हुए कि $w_0 > -1$ और $w_a < 0$ के प्रति प्राथमिकता बेयसियन प्रायर चयन या मार्जिनलाइजेशन तकनीकों का एक आर्टिफैक्ट (artifact) नहीं है। फ्रीक्वेंटिस्ट प्रोफाइल लाइकलहुड विश्लेषण बेयसियन परिणामों की पुष्टि करता है, यह पुष्टि करते हुए कि डेटासेट्स (विशेष रूप से $\Omega_m$ के संबंध में) के बीच तनाव को डायनेमिकल डार्क एनर्जी की अनुमति देकर हल किया जाता है। लेखक निष्कर्ष निकालते हैं कि हालांकि साक्ष्य $\Lambda$ CDM मॉडल को चुनौती देते हैं, डेटा अभी भी कॉस्मोलॉजिकल कॉन्स्टेंट से स्थिर विचलन के बजाय डार्क एनर्जी इक्वेशन ऑफ स्टेट के विकास के प्रति अधिक संवेदनशील हैं। यह निर्धारित करने के लिए कि क्या मानक मॉडल को यह चुनौती बनी रहती है, भविष्य के डेटा की आवश्यकता होगी।

1. महान सांख्यिकीय मुकाबला: मापने के दो तरीके

2. निर्णय: वे सहमत हैं!

3. डेटा सेट के बीच "रस्साकशी"

4. "पिवट पॉइंट" (Pivot Point) का आश्चर्य

सारांश

इसी तरह के और पेपर