🔭 astrophysics

Cosmological constraints from galaxy clustering and galaxy-galaxy lensing with extended SubHalo Abundance Matching

यह शोध पत्र GAMA और KiDS-1000 डेटा पर विस्तारित सबहेलो एबंडेंस मैचिंग (SHAMe) का उपयोग करते हुए गैलेक्सी क्लस्टरिंग और गैलेक्सी-गैलेक्सी लेंसिंग के संयुक्त विश्लेषण से प्राप्त पहले कॉस्मोलॉजिकल बाधाओं (cosmological constraints) को प्रस्तुत करता है, जो एक $S_8$ मान प्रदान करता है जो प्लैंक (Planck) परिणामों के अनुरूप है और सिमुलेशन में इनपुट कॉस्मोलॉजी को पुनः प्राप्त करने की विधि की क्षमता को प्रदर्शित करता है, साथ ही छोटे पैमानों को शामिल करने पर अधिक कड़े प्रतिबंध (tighter constraints) प्राप्त करता है।

मूल लेखक: Constance Mahony, Sergio Contreras, Raul E. Angulo, David Alonso, Christos Georgiou, Andrej Dvornik

प्रकाशित 2026-03-27

📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें

CC BY 4.0

मूल लेखक: Constance Mahony, Sergio Contreras, Raul E. Angulo, David Alonso, Christos Georgiou, Andrej Dvornik

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 की कल्पना एक विशाल, अदृश्य महासागर के रूप में करें। इस महासागर में दो मुख्य सामग्रियां हैं: डार्क मैटर (अदृश्य पानी जो इस महासागर का अधिकांश हिस्सा बनाता है) और आकाशगंगाएं (इस महासागर में तैरती रंगीन मछलियां)।

दशकों से, वैज्ञानिक यह पता लगाने की कोशिश कर रहे हैं कि डार्क मैटर वास्तव में कितना है और यह महासागर कितना "गुच्छेदार" (clumpy) है। उनके पास इसे देखने के दो मुख्य तरीके हैं:

बेबी पिक्चर (बचपन की तस्वीर): कॉस्मिक माइक्रोवेव बैकग्राउंड (CMB) को देखना, जो ब्रह्मांड की एक 'बेबी फोटो' की तरह है जिसे 13.8 अरब साल पहले लिया गया था। यह हमें बताता है कि यदि हमारे भौतिकी के नियम सही हैं, तो आज ब्रह्मांड कैसा दिखना चाहिए।
एडल्ट पिक्चर (वयस्क तस्वीर): वास्तविक आकाशगंगाओं और आज वे आपस में कैसे जुड़ी हुई हैं, इसे देखना।

समस्या:
हाल ही में, वैज्ञानिकों ने एक विसंगति देखी। "बेबी पिक्चर" (प्लैंक सैटेलाइट से) एक ऐसे ब्रह्मांड की भविष्यवाणी करती है जो आज की तुलना में थोड़ा अधिक गुच्छेदार (clumpy) है। इसे $S_8$ टेंशन कहा जाता है। यह एक घर के ब्लूप्रिंट को देखने और फिर बने हुए घर को देखने जैसा है, केवल यह महसूस करने के लिए कि ब्लूप्रिंट के अनुसार दीवारें थोड़ी पतली हैं।

नया दृष्टिकोण: "गैलेक्सी ट्रांसलेटर" (आकाशगंगा अनुवादक)
यह पेपर एक नई विधि पेश करता है जिसे SHAMe (सबहेलो अबंडेंस मैचिंग) कहा जाता है।

डार्क मैटर को अंतरिक्ष में तैरते अदृश्य, भूतिया बुलबुलों (हैलोस) के संग्रह के रूप में सोचें। आकाशगंगाएं इन बुलबुलों के भीतर रहती हैं। समस्या यह है कि हम बुलबुलों को नहीं देख सकते; हम केवल आकाशगंगाओं को देख सकते हैं।

पुराने तरीके: वैज्ञानिक पहले बहुत सारे जटिल नियमों और कई "नॉब्स" (नियंत्रणों) का उपयोग करके यह अनुमान लगाते थे कि आकाशगंगाएँ बुलबुलों में कैसे फिट होती हैं। यह एक रेडियो को ट्यून करने की कोशिश करने जैसा था जिसमें 50 डायल हों, और आप सही स्टेशन खोजने की उम्मीद कर रहे हों।
SHAMe विधि: यह नया तरीका एक अनुवादक (translator) की तरह है। यह कहता है, "यदि एक भूतिया बुलबुला इतना भारी है, तो उसमें इस चमक की आकाशगंगा जरूर होनी चाहिए।" यह अदृश्य बुलबुलों को दृश्यमान आकाशगंगाओं से मैप करने के लिए एक कंप्यूटर सिमुलेशन का उपयोग करता है। SHAMe की खूबसूरती यह है कि इसे ट्यून करने के लिए केवल 5 नॉब्स की आवश्यकता होती है, जो इसे पुराने तरीकों की तुलना में बहुत सरल और अधिक सटीक बनाता है।

उन्होंने क्या किया
टीम ने दो प्रमुख आकाश सर्वेक्षणों के डेटा का उपयोग किया:

GAMA: यह एक मानचित्र है कि आकाशगंगाएँ कहाँ स्थित हैं (क्लस्टरिंग)।
KiDS-1000: यह एक मानचित्र है कि वे आकाशगंगाएँ पृष्ठभूमि की वस्तुओं से प्रकाश को कैसे मोड़ती हैं (लेंसिंग)।

उन्होंने अपने "अनुवादक" (SHAMe एम्यूलेटर) में इस डेटा को डाला ताकि वे ब्रह्मांड की वास्तविक प्रकृति को समझ सकें।

परिणाम

बेबी पिक्चर की जीत (कुछ हद तक): जब उन्होंने डेटा का सावधानीपूर्वक विश्लेषण किया, और उन बहुत छोटे, अव्यवस्थित पैमानों (scales) से बचा जहाँ सामान्य पदार्थ (गैस और तारे) जटिल हो जाते हैं, तो उन्होंने ब्रह्मांड की गुच्छेदार संरचना ( $S_8$ ) का एक ऐसा मान पाया जो "बेबी पिक्चर" (प्लैंक) से बहुत अच्छी तरह मेल खाता है। टेंशन खत्म हो गया है!
"ऑल-स्केल" सरप्राइज: उन्होंने हर पैमाने पर देखने की कोशिश की, जिसमें वे छोटे, अव्यवस्थित पैमाने भी शामिल थे जहाँ गैस और तारे आपस में क्रिया करते हैं (बेरियोनिक प्रभाव)। आमतौर पर, वैज्ञानिक सोचते हैं कि ये अंतःक्रियाएं चीजों को सुचारू बनाती हैं, जिससे ब्रह्मांड कम गुच्छेदार दिखता है। लेकिन आश्चर्यजनक रूप से, जब उन्होंने इन छोटे पैमानों को शामिल किया, तो उनका परिणाम वास्तव में "बेबी पिक्चर" की भविष्यवाणी के करीब आ गया, जिससे पता चलता है कि ब्रह्मांड शायद हमारी अपेक्षा से भी अधिक गुच्छेदार है। यह उनकी उम्मीदों के विपरीत एक सुखद दुर्घटना थी।
कोड को सुलझाना: क्योंकि उनकी विधि इतनी सटीक है, इसलिए उन्होंने न केवल ब्रह्मांड के आकार को मापा; बल्कि उन्होंने उन विशिष्ट नियमों को भी समझा कि कैसे आकाशगंगाएँ उन डार्क मैटर बुलबुलों के भीतर बनती हैं और विकसित होती हैं।

यह क्यों महत्वपूर्ण है
यह पेपर एक बड़ी बात है क्योंकि यह दिखाता है कि सटीक उत्तर पाने के लिए हमें डेटा को फेंकने की आवश्यकता नहीं है। एक स्मार्ट "अनुवादक" (SHAMe) का उपयोग करके, हम ब्रह्मांड की अधिक जानकारी का उपयोग एक स्पष्ट तस्वीर पाने के लिए कर सकते हैं।

यह अंततः सही चश्मे को खोजने जैसा है। इससे पहले, ब्रह्मांड धुंधला और विरोधाभासी लग रहा था। अब, इस नई विधि के साथ, तस्वीर स्पष्ट है, और "बेबी" और "एडल्ट" संस्करण आखिरकार एक-दूसरे से सहमत हैं। यह हमें भविष्य के टेलीस्कोप जैसे कि यूलिड (Euclid) और रुबिन ऑब्जर्वेटरी से आने वाले और भी गहरे, बड़े मानचित्रों को देखने के लिए बहुत आत्मविश्वास देता है।

यहाँ इस शोध पत्र "Cosmological constraints from galaxy clustering and galaxy-galaxy lensing with extended SubHalo Abundance Matching" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

इमेजिंग गैलेक्सी सर्वे, कॉस्मोलॉजिकल पैरामीटर्स, विशेष रूप से पदार्थ घनत्व ( $\Omega_m$ ) और पदार्थ के उतार-चढ़ाव के आयाम ( $S_8 \equiv \sigma_8 \sqrt{\Omega_m/0.3}$ ) को सीमित करने में कॉस्मिक माइक्रोवेव बैकग्राउंड (CMB) प्रयोगों के प्रतिस्पर्धी बन गए हैं। हालाँकि, लार्ज-स्केल स्ट्रक्चर (LSS) सर्वेक्षणों से प्राप्त $S_8$ मानों और प्लैंक (Planck) CMB डेटा के बीच एक निरंतर तनाव (tension) बना हुआ है।

अनिश्चितता का एक प्रमुख स्रोत लघु पैमानों (small scales) (नॉन-लीनियर रिजीम) पर अवलोकनीय (observables) की मॉडलिंग करना है, जहाँ आकाशगंगाओं और डार्क मैटर हेलो के बीच का संबंध जटिल, नॉन-लीनियर और बेरियन भौतिकी (जैसे फीडबैक) से प्रभावित होता है।

वर्तमान सीमाएँ: रूढ़िवादी दृष्टिकोण अक्सर मॉडलिंग अनिश्चितताओं से बचने के लिए "स्केल कट्स" (डेटा को हटाना) लागू करते हैं, लेकिन इससे मूल्यवान जानकारी का नुकसान होता है।
मॉडलिंग अंतराल: पारंपरिक हेलो ऑक्यूपेशन डिस्ट्रीब्यूशन (HOD) मॉडल के लिए अक्सर कई पैरामीटर्स की आवश्यकता होती है और वे असेंबली बायस (assembly bias) (हेलो निर्माण के इतिहास पर गैलेक्सी क्लस्टरिंग की निर्भरता) को समझाने में संघर्ष करते हैं। सबहेलो एबंडेंस मैचिंग (SHAM) एक कम पैरामीटर्स वाला और भौतिक रूप से प्रेरित विकल्प प्रदान करता है जिसमें अंतर्निहित असेंबली बायस भी है, लेकिन ऐतिहासिक रूप से यह गणनात्मक रूप से महंगा रहा है और सबहेलो कैटलॉग की आवश्यकता के कारण संयुक्त कॉस्मोलॉजिकल बाधाओं के लिए शायद ही कभी उपयोग किया गया है।

2. कार्यप्रणाली (Methodology)

लेखक एक विस्तारित सबहेलो एबंडेंस मैचिंग (SHAMe) ढांचे का उपयोग करके गैलेक्सी क्लस्टरिंग और गैलेक्सी-गैलेक्सी लेंसिंग का पहला संयुक्त कॉस्मोलॉजिकल विश्लेषण प्रस्तुत करते हैं।

A. SHAMe मॉडल

लेखक एक विस्तारित SHAM मॉडल (SHAMe) का उपयोग करते हैं जो डार्क मैटर सबहेलो को गैलेक्सी से जोड़ने के लिए 5 मुक्त पैरामीटर्स (free parameters) का उपयोग करता है:

$\sigma$ : सबहेलो की पीक सर्कुलर वेलोसिटी ( $V_{peak}$ ) और गैलेक्सी के स्टेलर मास ( $M_*$ ) के बीच का स्कैटर (scatter)।
$t_{merger}$ : "ऑर्फ़न गैलेक्सीज़" (वे गैलेक्सीज़ जिनके होस्ट सबहेलो सिमुलेशन रेजोल्यूशन से नीचे गिर गए थे) को हटाने को नियंत्रित करता है।
$f_{k,c+s}$ और $f_{k,c-s}$ : सेंट्रल और सैटेलाइट गैलेक्सीज़ के लिए गैलेक्सी असेंबली बायस को नियंत्रित करने वाले पैरामीटर्स, जो लीनियर बायस के आधार पर $V_{peak}$ - $M_*$ संबंध को पुनर्व्यवस्थित करते हैं।
$\beta$ : होस्ट हेलो के भीतर सैटेलाइट गैलेक्सी के अस्तित्व के समय (timescale) को निर्धारित करता है।

B. एम्यूलेटर निर्माण (Emulator Construction)

प्रत्येक कॉस्मोलॉजिकल पैरामीटर सेट के लिए पूर्ण हाइड्रोडायनामिक सिमुलेशन चलाने की गणनात्मक लागत से बचने के लिए, लेखकों ने एक न्यूरल नेटवर्क एम्यूलेटर बनाया है:

प्रशिक्षण डेटा (Training Data): एंगुलो और व्हाइट (2010) स्केलिंग तकनीक का उपयोग करके 10,000 विशिष्ट कॉस्मोलॉजी तक स्केल किए गए पांच ग्रेविटी-ओनली $N$ -बॉडी सिमुलेशन (TNG300 वॉल्यूम) से उत्पन्न किया गया।
मॉक जनरेशन: प्रत्येक स्केल किए गए स्नैपशॉट को SHAMe मोंक के साथ पॉपुलेट किया गया।
आर्किटेक्चर: एक फीड-फॉरवर्ड न्यूरल नेटवर्क (2 हिडन लेयर्स, 200 न्यूरॉन्स प्रत्येक) जिसे कॉस्मोलॉजिकल पैरामीटर्स, SHAMe पैरामीटर्स, रेडशिफ्ट और नंबर डेंसिटी के फलन (function) के रूप में प्रोजेक्टेड कोरिलेशन फंक्शन ( $w_p$ ) और एक्सस सरफेस डेंसिटी ( $\Delta\Sigma$ ) की भविष्यवाणी करने के लिए प्रशिक्षित किया गया था।
दक्षता: मूल्यांकन में प्रति सैंपल लगभग 40ms का समय लगता है, जिससे तीव्र संभावना अन्वेषण (likelihood exploration) संभव हो पाता है।

C. डेटा सेट्स

गैलेक्सी क्लस्टरिंग: GAMA सर्वे (स्पेक्ट्रोस्कोपिक, उच्च पूर्णता) से प्रोजेक्टेड कोरिलेशन फंक्शन ( $w_p$ )।
गैलेक्सी-गैलेक्सी लेंसिंग: KiDS-1000 (वीक लेंसिंग) से एक्सस सरफेस डेंसिटी ( $\Delta\Sigma$ )।
सैंपल: चार स्टेलर मास बिन्स ( $9.95 < \log(M_*/h^{-2}M_\odot) \leq 11.3$ )।
लाइकलीहुड (Likelihood): डेटा वेक्टर्स की तुलना एम्यूलेटर भविष्यवाणियों से करने के लिए गॉसियन लाइकलीहुड, जिसका कोवेरिएंस मैट्रिक्स (covariance matrix) किड्स (KiDS) के विश्लेषणात्मक तरीकों और गामा (GAMA) के जैकनाइफ रीसैंपलिंग से प्राप्त किया गया है।

D. विश्लेषण रणनीतियाँ

फिडुशियल विश्लेषण (Fiducial Analysis): $w_p$ के सभी स्केल्स को शामिल करता है लेकिन अनमॉडलled बेरियन प्रभावों से बचने के लिए $\Delta\Sigma$ पर एक स्केल कट ( $r_p > 1.4 \, h^{-1}\text{Mpc}$ ) लगाता है।
ऑल-स्केल विश्लेषण (All-Scale Analysis): $\Delta\Sigma$ के सभी स्केल्स को शामिल करता है (नीचे $r_p < 1.4 \, h^{-1}\text{Mpc}$ तक), ताकि छोटे पैमाने के डेटा के प्रभाव और संभावित लाभों का परीक्षण किया जा सके।

3. मुख्य योगदान (Key Contributions)

प्रथम SHAMe कॉस्मोलॉजिकल बाधाएं: कॉस्मोलॉजिकल और गैलेक्सी-हेलो कनेक्शन पैरामीटर्स पर संयुक्त बाधाओं के लिए SHAMe की व्यवहार्यता को प्रदर्शित करता है।
एम्यूलेटर विकास: कॉस्मोलॉजी और SHAMe पैरामीटर्स की एक विस्तृत श्रृंखला में SHAMe अवलोकनीयों के लिए एक तेज़ और सटीक एम्यूलेटर सफलतापूर्वक बनाया गया।
वैलिडेशन: टीएनजी300 (TNG300) हाइड्रोडायनामिक सिमुलेशन के विरुद्ध अपनी कार्यप्रणाली को मान्य किया, जो दोनों फिडुशियल और ऑल-स्केल विश्लेषणों के लिए $1\sigma$ के भीतर इनपुट कॉस्मोलॉजी को रिकवर करने की क्षमता दिखाता है।
असेंबली बायस का परिमाणीकरण: सीधे अवलोकन संबंधी डेटा से असेंबली बायस पैरामीटर्स को सफलतापूर्वक सीमित किया, जो सेंट्रल और सैटेलाइट दोनों आबादी में मजबूत सकारात्मक असेंबली बायस के प्रमाण दिखाता है।

4. परिणाम (Results)

कॉस्मोलॉजिकल बाधाएं (Cosmological Constraints)

फिडुशियल परिणाम ( $r_p > 1.4$ ):
- $S_8 = 0.793^{+0.025}_{-0.024}$
- $\Omega_m = 0.260^{+0.027}_{-0.015}$
- महत्व: प्लैंक (Planck) CMB परिणामों के 1.7 $\sigma$ पर सुसंगत है।
ऑल-स्केल परिणाम (कोई स्केल कट नहीं):
- $S_8 = 0.817^{+0.020}_{-0.019}$
- $\Omega_m = 0.279^{+0.017}_{-0.013}$
- महत्व: प्लैंक के 0.9 $\sigma$ पर सुसंगत है।
- सुधार: ऑल-स्केल विश्लेषण फिडुशियल विश्लेषण की तुलना में $S_8$ पर 21% अधिक सख्त और $\Omega_m$ पर 29% अधिक सख्त बाधाएं प्रदान करता है।

प्रति-सहज निष्कर्ष (Counter-Intuitive Finding)

आमतौर पर, अनमॉडलled बेरियन फीडबैक छोटे पैमाने की पावर को कम कर देता है, जिससे कम अनुमानित $S_8$ मान प्राप्त होते हैं। हालाँकि, इस विश्लेषण में छोटे पैमाने को शामिल करने से अनुमानित $S_8$ मान बढ़ गया (जो इसे प्लैंक के करीब ले जाता है)। लेखक सुझाव देते हैं कि यह संकेत दे सकता है कि गैस इजेक्शन (gas ejection) विशिष्ट हेलो मास रेंज ( $10^{11.5} - 10^{13} h^{-1}M_\odot$ ) में कम कुशल है या SHAMe मॉडल की लचीलापन लापता भौतिकी की भरपाई करता है।

SHAMe पैरामीटर्स

सभी 5 SHAMe पैरामीटर्स को एक साथ सीमित किया गया।
असेंबली बायस: $f_{k,c+s}$ और $f_{k,c-s}$ पैरामीटर्स सकारात्मक पाए गए, जो बड़े पैमाने के लीनियर बायस और गैलेक्सी स्टेलर मास/ल्यूमिनोसिटी के बीच एक मजबूत सकारात्मक सहसंबंध को दर्शाते हैं।
सिनर्जी (Synergy): जबकि $\Delta\Sigma$ अकेले केवल $\sigma$ और $\beta$ को सीमित करता है, संयुक्त विश्लेषण ( $w_p + \Delta\Sigma$ ) सभी SHAMe पैरामीटर्स और कॉस्मोलॉजी को सीमित करता है, जो 2x2pt दृष्टिकोण की शक्ति को उजागर करता है।

5. महत्व (Significance)

तनाव का समाधान (Resolving Tension): परिणाम दिखाते हैं कि SHAMe का उपयोग करके संयुक्त छोटे-पैमाने के विश्लेषण $S_8$ के ऐसे परिणाम दे सकते हैं जो प्लैंक के साथ अत्यधिक सुसंगत हैं, जो $\Lambda$ CDM के परे किसी भी नए भौतिकी की आवश्यकता के बिना "S8 तनाव" को कम करने की क्षमता रखते हैं।
दक्षता: यह कार्य प्रदर्शित करता है कि एम्यूलेशन के साथ मिलकर SHAMe, जटिल HOD मॉडल या पूर्ण हाइड्रोडायनामिक सिमुलेशन के लिए एक गणनात्मक रूप से कुशल विकल्प है।
भविष्य की संभावनाएं: यह कार्यप्रणाली यूक्लिड (Euclid) और LSST जैसे अगली पीढ़ी के सर्वेक्षणों के लिए उपयुक्त है, जो प्रचुर मात्रा में छोटे-पैमाने का डेटा प्रदान करेंगे। असेंबली बायस और कॉस्मोलॉजी को एक साथ सीमित करने की क्षमता SHAMe को गैलेक्सी फॉर्मेशन और डार्क एनर्जी की प्रकृति को समझने के लिए एक शक्तिशाली उपकरण बनाती है।

निष्कर्षतः, यह शोध पत्र स्थापित करता है कि SHAMe, गैलेक्सी क्लस्टरिंग और लेंसिंग से कॉस्मोलॉजिकल पैरामीटर्स निकालने के लिए एक मजबूत, प्रतिस्पर्धी ढांचा है, जो वास्तविक डेटा में इनपुट कॉस्मोलॉजी को सफलतापूर्वक रिकवर करता है और कड़े, प्लैंक-सुसंगत बाधाएं प्रदान करता है।