🔭 astrophysics

Low-redshift constraints on structure growth from CMB lensing tomography

यह शोध पत्र गैलेक्सी क्लस्टरिंग और CMB लेंसिंग डेटा का उपयोग करके संरचना विकास (structure growth) पर निम्न-रेडशिफ्ट बाधाएं प्रस्तुत करता है, जिसमें यह पाया गया है कि हालांकि पुनर्निर्मित विकास इतिहास (reconstructed growth history) प्लैंक (Planck) भविष्यवाणियों के अनुरूप है, लेकिन बाहरी प्रायोर (external priors) के बिना डेटा प्लैंक के मान से काफी कम पदार्थ घनत्व ( $\Omega_m$ ) का पक्ष लेता है, जो कि हाइब्रिड प्रभावी क्षेत्र सिद्धांत (hybrid effective field theory) बायस मॉडलिंग में सैद्धांतिक अनिश्चितताओं से संभावित रूप से प्रभावित है।

मूल लेखक: Andrea Rubiola, Matteo Zennaro, Carlos García-García, David Alonso, Raul Angulo

प्रकाशित 2026-07-08

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Andrea Rubiola, Matteo Zennaro, Carlos García-García, David Alonso, Raul Angulo

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: ब्रह्मांड की "मांसपेशियों" का मानचित्रण

कल्पना कीजिए कि ब्रह्मांड एक विशाल, अदृश्य स्पंज है। अरबों वर्षों से, गुरुत्वाकर्षण इस स्पंज को दबा रहा है, पदार्थ को एक साथ खींचकर गुच्छे (जैसे आकाशगंगाएँ) बना रहा है और बीच में खाली स्थान छोड़ रहा है। इस प्रक्रिया को संरचना का विकास (growth of structure) कहा जाता है।

वैज्ञानिक जानना चाहते हैं: ब्रह्मांड अभी कितनी जोर से दबा रहा है? और इससे भी महत्वपूर्ण बात यह है कि, क्या यह उसी दर से दब रहा है जिसकी अपेक्षा हमारे भौतिकी के वर्तमान नियमों के आधार पर की जाती है?

यह शोध पत्र इस बात की रिपोर्ट कार्ड है कि ब्रह्मांड हाल के अतीत (लो रेडशिफ्ट, लगभग पिछले 4 अरब वर्षों) में अपनी "मांसपेशियां" (पदार्थ के गुच्छे बनाना) कितनी अच्छी तरह विकसित कर रहा है। लेखक यह जाँच रहे हैं कि क्या ब्रह्मांड मानक ब्रह्मांड विज्ञान मॉडल ("कॉस्मोलॉजिकल कांस्टेंट" मॉडल) द्वारा की गई भविष्यवाणी के अनुसार बिल्कुल वैसा ही व्यवहार कर रहा है।

उपकरण: एक ब्रह्मांडीय "एक्स-रे" और एक "तारा मानचित्र"

इस विकास को मापने के लिए, टीम ने दो मुख्य उपकरणों का उपयोग किया:

तारा मानचित्र (आकाशगंगा सर्वेक्षण): उन्होंने 2MPZ और WISE×SuperCOSMOS सर्वेक्षणों के डेटा का उपयोग करके लाखों नजदीकी आकाशगंगाओं का अध्ययन किया। इसे हमारे ब्रह्मांडीय स्पंज के "गुच्छों" की उच्च-रिज़ॉल्यूशन वाली फोटो लेने के रूप में समझें।
ब्रह्मांडीय एक्स-रे (CMB लेंसिंग): उन्होंने प्लैंक सैटेलाइट (Planck satellite) के डेटा का उपयोग किया। कॉस्मिक माइक्रोवेव बैकग्राउंड (CMB) बिग बैंग की गूँज है। जैसे ही यह प्रकाश हम तक पहुँचता है, ब्रह्मांड में मौजूद पदार्थ का गुरुत्वाकर्षण इसे एक लेंस की तरह मोड़ देता है। यह मुड़ाव (लेंसिंग) यह मानचित्र बनाता है कि "अदृश्य" पदार्थ कहाँ है, भले ही हम वहां आकाशगंगाओं को न देख सकें।

चालaki (The Trick): "तारा मानचित्र" (जहाँ आकाशगंगाएँ हैं) की तुलना "ब्रमांडीय एक्स-रे" (जहाँ गुरुत्वाकर्षण है) से करके, वे माप सकते हैं कि विशिष्ट समय पर ब्रह्मांड कितना विकसित हुआ है। यह आज के पेड़ों की पत्तियों को देखकर और जमीन पर उनके द्वारा बनाई गई छाया की तुलना करके पेड़ के आकार की जाँच करने जैसा है।

विधि: केक के स्लाइस करना

ब्रह्मांड विशाल है, और एक साथ सब कुछ देखना अव्यवस्थित हो सकता है। इसलिए, लेखकों ने ब्रह्मांड को तीन समय अवधियों (रेडशिफ्ट बिन) में विभाजित किया:

बिन 1: बहुत हालिया अतीत (हमारे सबसे करीब)।
बिन 2: थोड़ा और पीछे।
बिन 3: इस अध्ययन में देखा गया सबसे दूर का समय।

उन्होंने HEFT (हाइब्रिड इफेक्टिव फील्ड थ्योरी) नामक एक परिष्कृत गणितीय मॉडल का उपयोग किया। आप HEFT को एक बहुत ही उन्नत "अनुवादक" के रूप में समझ सकते हैं। यह आकाशगंगाओं के आपस में गुच्छों के रूप में जुड़ने के जटिल और अव्यवस्थित तरीके को एक स्वच्छ भाषा में अनुवादित करता है जिसे ब्रह्मांड विज्ञानी समझ सकते हैं, जिससे वे भ्रमित करने वाले शोर को अनदेखा कर सकते हैं और केवल सिग्नल पर ध्यान केंद्रित कर सकते हैं।

निष्कर्ष: दो अलग-अलग कहानियाँ

यह शोध पत्र दो मुख्य परिणाम प्रस्तुत करता है, जो इस बात पर निर्भर करते हैं कि वे किन "नियमों" का पालन करने का निर्णय लेते हैं:

कहानी A: "सख्त नियम मानने वाला" (बाहरी डेटा का उपयोग करना)
यदि लेखक यह मान लेते हैं कि ब्रह्मांड का पदार्थ घनत्व ( $\Omega_m$ ) ठीक वही है जो अन्य वैज्ञानिकों (DESI) ने एक अलग विधि (बेरियन एकोस्टिक ऑसिलेशन, या "मानक रूलर") का उपयोग करके मापा है, तो उनके परिणाम बहुत शांत हैं।

परिणाम: संरचना का विकास मानक मॉडल की भविष्यवाणियों के साथ पूरी तरह मेल खाता है।
संख्या: उन्हें $S_8$ नामक मान मिला (जो यह मापता है कि ब्रह्मांड कितना गुच्छेदार है) जो 0.79 है। यह उस मान के बहुत करीब है जिसकी भविष्यवाणी प्लैंक उपग्रह ने प्रारंभिक ब्रह्मांड से की थी।
उपमा: यह अपने कार के स्पीडोमीटर की तुलना जीपीएस (GPS) से करने जैसा है। वे पूरी तरह से मेल खाते हैं।

कहानी B: "स्वतंत्र आत्मा" (डेटा को अकेले बोलने देना)
यदि वे बाहरी "मानक रूलर" डेटा का उपयोग नहीं करते हैं और अपने आकाशगंगा डेटा को स्वयं पदार्थ घनत्व तय करने देते हैं, तो चीजें दिलचस्प हो जाती हैं।

परिणाम: डेटा सुझाव देता है कि ब्रह्मांड में मानक मॉडल की भविष्यवाणी की तुलना में कम पदार्थ है।
संख्या: उन्हें पदार्थ घनत्व ( $\Omega_m$ ) लगभग 0.245 मिला, जो ~0.315 की प्लैंक भविष्यवाणी से काफी कम है।
तनाव (Tension): यह एक "2.8 सिग्मा" का तनाव है। विज्ञान में, यह एक सिक्का 10 बार उछालने और 9 बार 'हेड्स' आने जैसा है। यह संदिग्ध है, लेकिन असंभव नहीं। यह सुझाव देता है कि या तो आकाशगंगाओं के गुच्छे बनने की हमारी समझ थोड़ी गलत है, या ब्रह्मांड वास्तव में हमारी सोच से कम "चीजों से भरा" है।
उपमा: यदि आप जीपीएस को अनदेखा करते हैं और केवल स्पीडोमीटर देखते हैं, तो कार उम्मीद से धीमी चलती हुई प्रतीत होती है।

अंतर क्यों है?

लेखक बताते हैं कि "स्वतंत्र आत्मा" वाला परिणाम आकाशगंगा क्लस्टरिंग डेटा के आकार (shape) द्वारा संचालित है। यह रेत में पैरों के निशानों के पैटर्न को देखने जैसा है। पैटर्न बताता है कि वहां उम्मीद से कम लोग चल रहे थे। हालांकि, लेखक सतर्क हैं। वे स्वीकार करते हैं कि उनका गणितीय मॉडल (HEFT) इन विशिष्ट स्थितियों में विस्तार (extrapolating) करते समय कुछ छोटी अनिश्चितताओं से ग्रस्त हो सकता है, जो इस "कम पदार्थ" वाले परिणाम का कारण बन सकता है।

"विकास का इतिहास" (Growth History)

पदार्थ घनत्व पर तनाव के बावजूद, जब उन्होंने विकास के इतिहास (समय के साथ ब्रह्मांड कितनी तेजी से गुच्छों में बदल रहा था) का पुनर्निर्माण किया, तो यह बहुत हद तक मानक मॉडल द्वारा की गई भविष्यवाणी जैसा ही दिखा।

निष्कर्ष: ब्रह्मांड एक ऐसी दर से बढ़ रहा है जो मानक मॉडल के साथ "संगत" है, हालांकि एक छोटा सा संकेत है कि यह बहुत हालिया अतीत में उम्मीद से थोड़ा तेज़ बढ़ रहा है।

निचोड़ (The Bottom Line)

यह शोध पत्र ब्रह्मांड के हालिया इतिहास की एक सावधानीपूर्वक जाँच है।

यदि आप अन्य मापों पर भरोसा करते हैं: सब कुछ ठीक है; ब्रह्मांड बिल्कुल वैसा ही बढ़ रहा है जैसा मानक मॉडल कहता है।
यदि आप केवल इस विशिष्ट डेटा पर भरोसा करते हैं: एक संकेत है कि ब्रह्मांड में हमारी सोच से कम पदार्थ हो सकता है, लेकिन यह आकाशगंगाओं के व्यवहार के मॉडलिंग की जटिलता के कारण भी हो सकता है।

लेखक निष्कर्ष निकालते हैं कि हालांकि उनके परिणाम आम तौर पर मानक मॉडल के साथ सहमति में हैं, लेकिन "कम पदार्थ" का संकेत भविष्य के दूरबीनों से बेहतर डेटा के साथ और अधिक अध्ययन करने के लिए पर्याप्त दिलचस्प है। वे मूल रूप से कह रहे हैं, "ब्रह्मांड ज्यादातर सामान्य दिखता है, लेकिन इसमें एक छोटी सी सिलवट है जिसे हमें ठीक करने की आवश्यकता है।"

तकनीकी सारांश: CMB लेंसिंग टोमोग्राफी से संरचना विकास पर निम्न-रेडशिफ्ट प्रतिबंध

समस्या और प्रेरणा
पदार्थ घनत्व के उतार-चढ़ाव का विकास एक महत्वपूर्ण ब्रह्मांडीय अवलोकन है, जो डार्क एनर्जी की प्रकृति और गुरुत्वाकर्षण के नियमों के प्रति संवेदनशील है। हालांकि विभिन्न प्रोब मौजूद हैं, जिनमें रेडशिफ्ट-स्पेस डिस्टॉर्शन और वीक लेंसिंग शामिल हैं, निम्न रेडशिफ्ट ( $z \lesssim 0.3$ ) पर बाधाओं (constraints) के संबंध में एक विशिष्ट अंतराल है। यह शासन (regime) कॉस्मोलॉजिकल कांस्टेंट से संभावित विचलन का परीक्षण करने और देर से होने वाले ब्रह्मांडीय शीयर (cosmic shear) डेटा में देखे गए पदार्थ के उतार-चढ़ाव के आयाम ( $S_8$ ) के तनावों की जांच करने के लिए महत्वपूर्ण है, जो CMB भविष्यवाणियों के विरुद्ध है। पिछले निम्न-रेडशिफ्ट लेंसिंग टोमोग्राफी माप छोटे लेंसिंग संकेतों और उन छोटे, गैर-रैखिक पैमानों पर गैलेक्सी क्लस्टरिंग के मॉडलिंग की कठिनाई के कारण सीमित रहे हैं जो बड़े कोणीय पैमानों पर प्रोजेक्ट होते हैं। यह कार्य निम्न रेडशिफ्ट पर उच्च-घनत्व वाले गैलेक्सी नमूनों को एक परिष्कृत बायस मॉडल के साथ जोड़कर इस अंतराल को भरने का लक्ष्य रखता है, जो अपेक्षाकृत छोटे पैमानों ( $k \lesssim 0.7 \, h \, \text{Mpc}^{-1}$ ) से मजबूत जानकारी प्राप्त करने में सक्षम है।

कार्यप्रणाली
यह विश्लेषण गैलेक्सी क्लस्टरिंग और CMB लेंसिंग कन्वर्जेंस को संयोजित करने वाले एक हाइब्रिड दृष्टिकोण का उपयोग करता है:

डेटा स्रोत:
- गैलेक्सी नमूने: अध्ययन में 2MPZ (2MASS Photometric Redshift Survey) और WIxSC (WISE $\times$ SuperCOSMOS) सर्वेक्षण का उपयोग किया गया है। इन्हें तीन टोमोग्राफिक बिन में विभाजित किया गया है: "बिन 1" (2MPZ, $z_m \approx 0.074$ ), "बिन 2" (WIxSC, $0.1 \le z_p < 0.25$ , $z_m \approx 0.18$ ), और "बिन 3" (WIxSC, $z_p \ge 0.25$ , $z_m \approx 0.302$ )।
- CMB लेंसिंग: प्लेंक 2018 "मिनिमम वेरिएंस" लेंसिंग कन्वर्जेंस मैप का उपयोग किया गया है, जो गैलेक्सी नमूनों के ओवरलैपिंग स्काई फ्रैक्शन ( $f_{sky} \approx 0.66$ ) को कवर करता है।
सैद्धांतिक मॉडलिंग:
- बायस एक्सपेंशन: गैलेक्सी पावर स्पेक्ट्रा को हाइब्रिड इफेक्टिव फील्ड थ्योरी (HEFT) दृष्टिकोण का उपयोग करके मॉडल किया गया है। इसमें $\delta$ , $\delta^2$ , $s^2$ , और $\nabla^2\delta$ ऑपरेटरों सहित दूसरे क्रम तक का लैग्रेंजियन बायस एक्सपेंशन शामिल है। इन ऑपरेटरों के गैर-रैखिक विकास को BACCO N-body सिमुलेशन और baccoemu न्यूरल-नेटवर्क एमुलेटर के माध्यम से संभाला जाता है।
- सांख्यिकी: विश्लेषण प्यूडो- $C_\ell$ दृष्टिकोण का उपयोग करके कोणीय गैलेक्सी ऑटो-कोरिलेशन ( $C^{gg}_\ell$ ) और गैलेक्सी-CMB लेंसिंग क्रॉस-कोरिलेशन ( $C^{g\kappa}_\ell$ ) को मापता है।
- कोवेरियेंस: कोवेरियेंस मैट्रिक्स में गॉसियन (डिस्कनेक्टेड), गैर-गॉसियन (हैलो मॉडल के माध्यम से ट्राइस्पेक्ट्रम), शॉट नॉइज़, और रेडशिफ्ट वितरण अनिश्चितताएं शामिल हैं।
- लाइक्लीहुड और मार्जिनलाइजेशन: एक गॉसियन लाइक्लीहुड का उपयोग किया गया है। "वॉल्यूम इफेक्ट्स" (बड़ी संख्या में न्यूसेंस बायस पैरामीटर्स को मार्जिनलाइज करने से उत्पन्न होने वाले पूर्वाग्रह) को कम करने के लिए, लेखक AAM (Approximate Analytic Marginalization) तकनीक का उपयोग करते हैं, जो प्रभावी रूप से बायस पैरामीटर्स पर जेफ्रीज़-जैसे प्रायर (prior) को लागू करता है।
स्केल कट्स: विश्लेषण को भौतिक पैमाने $k < 0.42 \, \text{Mpc}^{-1}$ (जो $\ell_{max} \approx 2000$ के अनुरूप है) तक सीमित किया गया है जहाँ HEFT सटीक माना जाता है। गैलेक्सी ऑटो-कोरिलेशन में व्यवस्थित त्रुटियों (systematics) से बचने के लिए बड़े पैमाने ( $\ell < 20$ ) को बाहर रखा गया है।

प्रमुख योगदान

निम्न-रेडशिफ्ट टोमोग्राफी: यह पेपर विशेष रूप से $z \lesssim 0.3$ शासन में संरचना विकास पर बाधाएं प्रदान करता है, जो एक ऐसा रेंज है जिसे पिछले लेंसिंग टोमोग्राफी अध्ययनों द्वारा कम खोजा गया है जो आमतौर पर $z > 0.5$ पर ध्यान केंद्रित करते हैं।
HEFT अनुप्रयोग: यह निम्न-रेडशिफ्ट फोटोमेट्रिक डेटा पर HEFT ढांचे के अनुप्रयोग को प्रदर्शित करता है, जिससे पारंपरिक पर्सर्बेटिव बायस मॉडल की तुलना में छोटे पैमानों को शामिल करना संभव होता है।
मजबूती की जाँच (Robustness Checks): अध्ययन AAM परिणामों की "ब्रूट-फोर्स" मार्जिनलाइजेशन के साथ तुलना करके वॉल्यूम इफेक्ट्स के प्रभाव का स्पष्ट परीक्षण करता है, जो यह दिखाता है कि बाद वाला (ब्रूट-फोर्स) अनिश्चितताओं को कृत्रिम रूप से कम करता है और पोस्टेरियर्स को स्थानांतरित करता है। यह रूढ़िवादी स्केल कट्स और सरलीकृत रैखिक बायस मॉडल के विरुद्ध परिणामों को भी मान्य करता है।

परिणाम

कॉस्मोलॉजिकल बाधाएं ( $S_8$ और $\Omega_m$ ):
- जब $\Omega_m$ को स्वतंत्र छोड़ा जाता है, तो डेटा $\Omega_m = 0.245 \pm 0.024$ के मान को प्राथमिकता देता है, जो प्लेंक 2018 बाधाओं से $2.8\sigma$ कम है। यह प्राथमिकता उच्चतम रेडशिफ्ट बिन (बिन 3) में गैलेक्सी ऑटो-कोरिलेशन के ब्रॉडबैंड आकार द्वारा संचालित है।
- जब DESI BAO मापों ( $\Omega_m = 0.2975 \pm 0.0086$ ) पर आधारित गॉसियन प्रायर लागू किया जाता है, तो प्राप्त पैरामीटर $S_8 = \sigma_8 \sqrt{\Omega_m/0.3}$ पाया जाता है जो $0.79 \pm 0.06$ है। यह प्लेंक ( $S_8 = 0.832 \pm 0.013$ ) और अन्य लेंसिंग टोमोग्राफी विश्लेषणों के साथ उचित सहमति में है।
- बिना BAO प्रायर के, प्राप्त $S_8$ $0.82 \pm 0.07$ है।
विकास का इतिहास (Growth History): पुनर्गठित विकास इतिहास, जिसे $\sigma_8(z)$ के रूप में व्यक्त किया गया है, प्लेंक भविष्यवाणियों के अनुकूल है। डेटा में देर से होने वाले समय में तीव्र विकास दर के लिए मामूली प्राथमिकता दिखाई देती है, जिसमें निम्नतम और उच्चतम रेडशिफ्ट माप क्रमशः प्लेंक मानों से $1.8\sigma$ और $1.4\sigma$ दूर हैं, हालांकि अनिश्चितताएं बड़ी बनी हुई हैं।
बायस पैरामीटर्स: अनुमानित उच्च-क्रम बायस पैरामीटर्स ( $b_2, b_s, b_{\nabla^2}$ ) गैलेक्सियों और हेलो के लिए सिमुलेशन द्वारा अनुमानित "को-इवोल्यूशन रिलेशंस" के $1\sigma$ के भीतर पाए गए हैं। विश्लेषण नोट करता है कि सबसे कम रेडशिफ्ट बिन (बिन 1) में अपेक्षित रेडशिफ्ट की तुलना में उच्च रैखिक बायस ( $b_1$ ) है, जिसका कारण इसके द्वारा अन्य बिनों की तुलना में एक अलग गैलेक्सी आबादी (2MASS के साथ क्रॉस-मैच्ड) का परीक्षण किया जाना है।
फिट की गुणवत्ता (Goodness of Fit): मॉडल डेटा के लिए अच्छा फिट प्रदान करते हैं, जिसमें 9% (फ्री $\Omega_m$ ) और 4.5% (DESI प्रायर) के P (प्रोबेबिलिटी-टू-एक्ससीड) मान हैं, जिन्हें मॉडल की जटिलता और उतार-चढ़ाव की प्रकृति को देखते हुए स्वीकार्य माना जाता है।

महत्व और दावे
पेपर दावा करता है कि यह एक पूरक, निम्न-रेडशिफ्ट रेंज ( $z \lesssim 0.3$ ) से पिछले $S_8$ बाधाओं की एक मूल्यवान पुष्टि प्रदान करता है। यह रेखांकित करता है कि जबकि डेटा BAO डेटा द्वारा बाधित होने पर मानक $\Lambda$ CDM मॉडल के साथ सुसंगत है, निम्न $\Omega_m$ के लिए अंतर्निहित प्राथमिकता (जो पावर स्पेक्ट्रम के ब्रॉडबैंड आकार द्वारा संचालित है) सावधानी बरतने की मांग करती है। लेखक जोर देते हैं कि यह प्राथमिकता स्टैण्डर्ड रूलर मापों की तुलना में कम मजबूत है और गैर-रैखिक बायस मॉडल में सैद्धांतिक अनिश्चितताओं या गैलेक्सी क्लस्टरिंग में व्यवस्थित संदूषण के प्रति संवेदनशील हो सकती है।

अध्ययन निष्कर्ष निकालता है कि हालांकि वर्तमान सांख्यिकीय अनिश्चितताएं कॉस्मोलॉजिकल कांस्टेंट से विचलन के बारे में निर्णायक निष्कर्ष निकालने के लिए बहुत बड़ी हैं, फिर भी यह कार्यप्रणाली भविष्य के अधिक सटीक मापों के लिए एक आधार स्थापित करती है। लेखक सुझाव देते हैं कि वर्तमान सर्वेक्षणों (DES, KiDS, HSC) से कॉस्मिक शीयर को CMB लेंसिंग से बदलने से $\sigma_8(z)$ पर बेहतर सीमाएं मिल सकती हैं, और डायनेमिकल डार्क एनर्जी मॉडलों का परीक्षण करने के लिए आवश्यक सटीकता तक पहुँचने के लिए भविष्य के फोटोमेट्रिक सर्वेक्षणों (रुबिन वेधशाला) और CMB प्रयोगों (साइमन्स ऑब्जर्वेटरी) का डेटा आवश्यक होगा।