🔭 astrophysics

Euclid Quick Data Release (Q1). The average far-infrared properties of Euclid-selected star-forming galaxies

यह अध्ययन यूक्लिड-चयनित तारा-निर्माण करने वाली आकाशगंगाओं के औसत सुदूर-अवरक्त गुणों को स्पष्ट करने के लिए हर्शेल और SCUBA-2 डेटा का उपयोग करता है, जो यह प्रकट करता है कि पुरानी तारकीय आबादी द्वारा ऊष्मन के कारण ब्रह्मांडीय समय के साथ धूल का तापमान विकसित होता है और यूक्लिड कैटलॉग प्रमुख तरंगदैर्ध्य पर ब्रह्मांडीय अवरक्त पृष्ठभूमि के 60% से अधिक का लेखा-जोखा रखता है।

मूल लेखक: Euclid Collaboration, R. Hill, A. Abghari, D. Scott, M. Bethermin, S. C. Chapman, D. L. Clements, S. Eales, A. Enia, B. Jego, A. Parmar, P. Tanouri, L. Wang, S. Andreon, N. Auricchio, C. BaccigalupiEuclid Collaboration, R. Hill, A. Abghari, D. Scott, M. Bethermin, S. C. Chapman, D. L. Clements, S. Eales, A. Enia, B. Jego, A. Parmar, P. Tanouri, L. Wang, S. Andreon, N. Auricchio, C. Baccigalupi, M. Baldi, A. Balestra, S. Bardelli, P. Battaglia, A. Biviano, E. Branchini, M. Brescia, S. Camera, G. Cañas-Herrera, V. Capobianco, C. Carbone, J. Carretero, M. Castellano, G. Castignani, S. Cavuoti, K. C. Chambers, A. Cimatti, C. Colodro-Conde, G. Congedo, C. J. Conselice, L. Conversi, Y. Copin, A. Costille, F. Courbin, H. M. Courtois, M. Cropper, A. Da Silva, H. Degaudenzi, G. De Lucia, H. Dole, F. Dubath, X. Dupac, S. Dusini, S. Escoffier, M. Farina, F. Faustini, S. Ferriol, F. Finelli, N. Fourmanoit, M. Frailis, E. Franceschi, M. Fumana, S. Galeotta, K. George, B. Gillis, C. Giocoli, J. Gracia-Carpio, A. Grazian, F. Grupp, S. V. H. Haugan, W. Holmes, I. M. Hook, F. Hormuth, A. Hornstrup, K. Jahnke, M. Jhabvala, B. Joachimi, E. Keihänen, S. Kermiche, A. Kiessling, B. Kubik, M. Kümmel, M. Kunz, H. Kurki-Suonio, A. M. C. Le Brun, D. Le Mignant, S. Ligori, P. B. Lilje, V. Lindholm, I. Lloro, G. Mainetti, D. Maino, E. Maiorano, O. Mansutti, S. Marcin, O. Marggraf, M. Martinelli, N. Martinet, F. Marulli, R. J. Massey, E. Medinaceli, S. Mei, M. Melchior, Y. Mellier, M. Meneghetti, E. Merlin, G. Meylan, A. Mora, M. Moresco, L. Moscardini, R. Nakajima, C. Neissner, S. -M. Niemi, C. Padilla, S. Paltani, F. Pasian, K. Pedersen, W. J. Percival, V. Pettorino, S. Pires, G. Polenta, M. Poncet, L. A. Popa, L. Pozzetti, F. Raison, R. Rebolo, A. Renzi, J. Rhodes, G. Riccio, E. Romelli, M. Roncarelli, R. Saglia, Z. Sakr, D. Sapone, B. Sartoris, M. Sauvage, M. Schirmer, P. Schneider, T. Schrabback, A. Secroun, G. Seidel, S. Serrano, C. Sirignano, G. Sirri, L. Stanco, J. -L. Starck, J. Steinwagner, P. Tallada-Crespí, A. N. Taylor, H. I. Teplitz, I. Tereno, N. Tessore, S. Toft, R. Toledo-Moreo, F. Torradeflot, I. Tutusaus, L. Valenziano, J. Valiviita, T. Vassallo, G. Verdoes Kleijn, A. Veropalumbo, Y. Wang, J. Weller, A. Zacchei, G. Zamorani, F. M. Zerbi, I. A. Zinchenko, E. Zucca, V. Allevato, M. Ballardini, M. Bolzonella, E. Bozzo, C. Burigana, R. Cabanac, M. Calabrese, A. Cappi, J. A. Escartin Vigo, L. Gabarra, W. G. Hartley, M. Huertas-Company, R. Maoli, J. Martín-Fleitas, S. Matthew, N. Mauri, R. B. Metcalf, A. Pezzotta, M. Pöntinen, I. Risso, V. Scottez, M. Sereno, M. Tenti, M. Viel, M. Wiesmann, Y. Akrami, I. T. Andika, S. Anselmi, M. Archidiacono, F. Atrio-Barandela, D. Bertacca, L. Bisigello, A. Blanchard, L. Blot, H. Böhringer, M. Bonici, S. Borgani, M. L. Brown, S. Bruton, A. Calabro, B. Camacho Quevedo, F. Caro, C. S. Carvalho, T. Castro, Y. Charles, F. Cogato, S. Conseil, A. R. Cooray, O. Cucciati, S. Davini, F. De Paolis, G. Desprez, A. Díaz-Sánchez, J. J. Diaz, S. Di Domizio, J. M. Diego, P. -A. Duc, M. Y. Elkhashab, A. Finoguenov, A. Fontana, F. Fontanot, A. Franco, K. Ganga, J. García-Bellido, T. Gasparetto, V. Gautard, E. Gaztanaga, F. Giacomini, F. Gianotti, A. H. Gonzalez, G. Gozaliasl, M. Guidi, C. M. Gutierrez, A. Hall, S. Hemmati, C. Hernández-Monteagudo, H. Hildebrandt, J. Hjorth, J. J. E. Kajava, Y. Kang, V. Kansal, D. Karagiannis, K. Kiiveri, J. Kim, C. C. Kirkpatrick, S. Kruk, J. Le Graet, L. Legrand, M. Lembo, F. Lepori, G. Leroy, G. F. Lesci, J. Lesgourgues, T. I. Liaudat, A. Loureiro, J. Macias-Perez, M. Magliocchetti, E. A. Magnier, F. Mannucci, C. J. A. P. Martins, L. Maurin, C. J. R. McPartland, M. Miluzio, P. Monaco, C. Moretti, G. Morgante, K. Naidoo, A. Navarro-Alsina, S. Nesseris, D. Paoletti, F. Passalacqua, K. Paterson, L. Patrizii, A. Pisani, D. Potter, S. Quai, M. Radovich, G. Rodighiero, S. Sacquegna, M. Sahlén, D. B. Sanders, E. Sarpa, A. Schneider, D. Sciotti, E. Sellentin, L. C. Smith, J. G. Sorce, S. A. Stanford, K. Tanidis, C. Tao, G. Testera, R. Teyssier, S. Tosi, A. Troja, M. Tucci, C. Valieri, A. Venhola, D. Vergani, G. Verza, P. Vielzeuf, N. A. Walton

प्रकाशित 2026-07-14

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Euclid Collaboration, R. Hill, A. Abghari, D. Scott, M. Bethermin, S. C. Chapman, D. L. Clements, S. Eales, A. Enia, B. Jego, A. Parmar, P. Tanouri, L. Wang, S. Andreon, N. Auricchio, C. Baccigalupi, M. Baldi, A. Balestra, S. Bardelli, P. Battaglia, A. Biviano, E. Branchini, M. Brescia, S. Camera, G. Cañas-Herrera, V. Capobianco, C. Carbone, J. Carretero, M. Castellano, G. Castignani, S. Cavuoti, K. C. Chambers, A. Cimatti, C. Colodro-Conde, G. Congedo, C. J. Conselice, L. Conversi, Y. Copin, A. Costille, F. Courbin, H. M. Courtois, M. Cropper, A. Da Silva, H. Degaudenzi, G. De Lucia, H. Dole, F. Dubath, X. Dupac, S. Dusini, S. Escoffier, M. Farina, F. Faustini, S. Ferriol, F. Finelli, N. Fourmanoit, M. Frailis, E. Franceschi, M. Fumana, S. Galeotta, K. George, B. Gillis, C. Giocoli, J. Gracia-Carpio, A. Grazian, F. Grupp, S. V. H. Haugan, W. Holmes, I. M. Hook, F. Hormuth, A. Hornstrup, K. Jahnke, M. Jhabvala, B. Joachimi, E. Keihänen, S. Kermiche, A. Kiessling, B. Kubik, M. Kümmel, M. Kunz, H. Kurki-Suonio, A. M. C. Le Brun, D. Le Mignant, S. Ligori, P. B. Lilje, V. Lindholm, I. Lloro, G. Mainetti, D. Maino, E. Maiorano, O. Mansutti, S. Marcin, O. Marggraf, M. Martinelli, N. Martinet, F. Marulli, R. J. Massey, E. Medinaceli, S. Mei, M. Melchior, Y. Mellier, M. Meneghetti, E. Merlin, G. Meylan, A. Mora, M. Moresco, L. Moscardini, R. Nakajima, C. Neissner, S. -M. Niemi, C. Padilla, S. Paltani, F. Pasian, K. Pedersen, W. J. Percival, V. Pettorino, S. Pires, G. Polenta, M. Poncet, L. A. Popa, L. Pozzetti, F. Raison, R. Rebolo, A. Renzi, J. Rhodes, G. Riccio, E. Romelli, M. Roncarelli, R. Saglia, Z. Sakr, D. Sapone, B. Sartoris, M. Sauvage, M. Schirmer, P. Schneider, T. Schrabback, A. Secroun, G. Seidel, S. Serrano, C. Sirignano, G. Sirri, L. Stanco, J. -L. Starck, J. Steinwagner, P. Tallada-Crespí, A. N. Taylor, H. I. Teplitz, I. Tereno, N. Tessore, S. Toft, R. Toledo-Moreo, F. Torradeflot, I. Tutusaus, L. Valenziano, J. Valiviita, T. Vassallo, G. Verdoes Kleijn, A. Veropalumbo, Y. Wang, J. Weller, A. Zacchei, G. Zamorani, F. M. Zerbi, I. A. Zinchenko, E. Zucca, V. Allevato, M. Ballardini, M. Bolzonella, E. Bozzo, C. Burigana, R. Cabanac, M. Calabrese, A. Cappi, J. A. Escartin Vigo, L. Gabarra, W. G. Hartley, M. Huertas-Company, R. Maoli, J. Martín-Fleitas, S. Matthew, N. Mauri, R. B. Metcalf, A. Pezzotta, M. Pöntinen, I. Risso, V. Scottez, M. Sereno, M. Tenti, M. Viel, M. Wiesmann, Y. Akrami, I. T. Andika, S. Anselmi, M. Archidiacono, F. Atrio-Barandela, D. Bertacca, L. Bisigello, A. Blanchard, L. Blot, H. Böhringer, M. Bonici, S. Borgani, M. L. Brown, S. Bruton, A. Calabro, B. Camacho Quevedo, F. Caro, C. S. Carvalho, T. Castro, Y. Charles, F. Cogato, S. Conseil, A. R. Cooray, O. Cucciati, S. Davini, F. De Paolis, G. Desprez, A. Díaz-Sánchez, J. J. Diaz, S. Di Domizio, J. M. Diego, P. -A. Duc, M. Y. Elkhashab, A. Finoguenov, A. Fontana, F. Fontanot, A. Franco, K. Ganga, J. García-Bellido, T. Gasparetto, V. Gautard, E. Gaztanaga, F. Giacomini, F. Gianotti, A. H. Gonzalez, G. Gozaliasl, M. Guidi, C. M. Gutierrez, A. Hall, S. Hemmati, C. Hernández-Monteagudo, H. Hildebrandt, J. Hjorth, J. J. E. Kajava, Y. Kang, V. Kansal, D. Karagiannis, K. Kiiveri, J. Kim, C. C. Kirkpatrick, S. Kruk, J. Le Graet, L. Legrand, M. Lembo, F. Lepori, G. Leroy, G. F. Lesci, J. Lesgourgues, T. I. Liaudat, A. Loureiro, J. Macias-Perez, M. Magliocchetti, E. A. Magnier, F. Mannucci, C. J. A. P. Martins, L. Maurin, C. J. R. McPartland, M. Miluzio, P. Monaco, C. Moretti, G. Morgante, K. Naidoo, A. Navarro-Alsina, S. Nesseris, D. Paoletti, F. Passalacqua, K. Paterson, L. Patrizii, A. Pisani, D. Potter, S. Quai, M. Radovich, G. Rodighiero, S. Sacquegna, M. Sahlén, D. B. Sanders, E. Sarpa, A. Schneider, D. Sciotti, E. Sellentin, L. C. Smith, J. G. Sorce, S. A. Stanford, K. Tanidis, C. Tao, G. Testera, R. Teyssier, S. Tosi, A. Troja, M. Tucci, C. Valieri, A. Venhola, D. Vergani, G. Verza, P. Vielzeuf, N. A. Walton

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, हलचल भरे शहर के रूप में करें। लंबे समय से, खगोलशास्त्री दृश्य और निकट-अवरक्त प्रकाश में इस शहर की इमारतों (गैलेक्सी या आकाशगंगाओं) की हाई-डेफिनिशन तस्वीरें लेने के लिए यूक्लिड (Euclid) जैसे शक्तिशाली दूरबीनों का उपयोग कर रहे हैं। वे इमारतों की "ईंटों"—यानी तारों—को देख सकते हैं और गिन सकते हैं कि वहां कितने लोग (तारे) रह रहे हैं। लेकिन एक समस्या है: ये तस्वीरें इस शहर के हीटिंग सिस्टम की आरामदायक, गर्म चमक को मिस कर देती हैं।

वह हीटिंग सिस्टम ब्रह्मांडीय धूल (cosmic dust) है। यह वह चीज़ है जो युवा, गर्म तारों द्वारा गर्म की जाती है और दूर-अवरक्त (far-infrared) में चमकती है, जो प्रकाश का वह हिस्सा है जिसे हमारी आँखें नहीं देख सकतीं। इस चमक को देखने के लिए, हमें एक अलग तरह के लेंस की आवश्यकता है, जैसे कि हर्षेल (Herschel) और स्काबा-2 (SCUBA-2) दूरबीनें। लेकिन पेच यह है कि हर्षेल और स्काबा-2 के लेंस थोड़े धुंधले हैं। वे यूक्लिड की तस्वीरों में व्यक्तिगत इमारतों को नहीं पहचान सकते; इसके बजाय, वे एक धुंधले, चमकते हुए सूप की तरह देखते हैं जहाँ हजारों गैलेक्सी आपस में मिल जाती हैं।

तो, आप यह कैसे पता लगाएंगे कि सूप कितना गर्म है जब आप व्यक्तिगत बर्तनों को देख नहीं सकते? आप "स्टैकिंग" (stacking) नामक एक तरकीब का उपयोग करते हैं। कल्पना कीजिए कि आपके पास एक भीड़ की दस लाख धुंधली तस्वीरें हैं। आप एक व्यक्ति का चेहरा नहीं देख सकते, लेकिन यदि आप उन सभी को बिल्कुल सही ढंग से एक पंक्ति में रखते हैं और उन पिक्सेल की चमक का औसत निकालते हैं जहाँ लोग खड़े हैं, तो धुंधला शोर (noise) रद्द हो जाता है, और एक स्पष्ट, औसत चमक उभर कर आती है। यही ठीक वही किया इस शोध पत्र ने। टीम ने यूक्लिड क्विक डेटा रिलीज़ (Q1)—जो 2.6 मिलियन से अधिक तारा-निर्माण करने वाली गैलेक्सी की एक सूची है—को हर्षेल और स्काबा-2 के मानचित्रों पर स्टैक किया ताकि उनकी औसत दूर-अवरक्त चमक को मापा जा सके।

बड़ी खोज: ब्रह्मांड का "थर्मोस्टेट"

सबसे रोमांचक बात जो उन्होंने पाई है वह यह है कि ब्रह्मांड पुराना होने के साथ इस ब्रह्मांडीय धूल का तापमान कैसे बदलता है।

ब्रह्मांड को एक ऐसे घर के रूप में सोचें जो एक बड़ी पार्टी के बाद धीरे-धीरे ठंडा हो रहा है। ब्रह्मांड के शुरुआती दिनों में (जब यह युवा था और रेडशिफ्ट उच्च था, लगभग $z \simeq 3$ ), धूल बहुत गर्म थी, लगभग 35 K। यह समझ में आता है क्योंकि ब्रह्मांड ऊर्जावान, युवा तारों से भरा था जो सब कुछ गर्म करने के लिए एक दहकती आग की तरह काम कर रहे थे।

लेकिन जैसे-जैसे ब्रह्मांड की उम्र बढ़ी, टीम ने एक आश्चर्यजनक बात पाई। धूल केवल ठंडी होती नहीं गई जब तक कि वह जम न जाए। इसके बजाय, यह लगभग 6 अरब वर्ष पुराने ब्रह्मांड (लगभग रेडशिफ्ट $z \simeq 1$ ) तक तेजी से ठंडी हुई, और फिर... यह रुक गई। तापमान स्थिर हो गया और वर्तमान समय तक लगभग 23 K पर बना रहा।

लेखक तर्क देते हैं कि ऐसा इसलिए होता है क्योंकि अब युवा तारों की "आग" ही धूल को गर्म करने वाली एकमात्र चीज़ नहीं है। शुरुआती ब्रह्मांड में, धूल को तारा-निर्माण वाले क्षेत्रों में मौजूद गर्म, युवा तारों द्वारा गर्म किया जाता था। लेकिन आज, धूल मुख्य रूप से "पुराने गार्ड" (old guard)—उन ठंडे, पुराने तारों द्वारा गर्म की जाती है जो लंबे समय से मौजूद हैं। भले ही ये पुराने तारे कम ऊर्जावान हैं, लेकिन उनकी संख्या इतनी अधिक है कि वे धूल को एक स्थिर, गर्म 23 K पर बनाए रखते हैं, जिससे इसे पूरी तरह से जमने से रोका जा सके।

उन्होंने क्या मापा बनाम उन्होंने क्या सिम्युलेट किया

टीम ने केवल अनुमान नहीं लगाया; उन्होंने इसे मापा। उन्होंने डेटा को एक विशिष्ट गणितीय वक्र (curve) में फिट किया: $T_2 + (T_1 - T_2) e^{-t/\tau}$ ।

$T_1$ (शुरुआती गर्म तापमान) $(79.7 \pm 7.4)$ K मापा गया था।
$T_2$ (अंतिम स्थिर तापमान) $(23.2 \pm 0.1)$ K मापा गया था।
$\tau$ (ठंडा होने की गति) $(1.6 \pm 0.1)$ Gyr (बिलियन वर्ष) मापी गई थी।

यहीं पर वे एक लोकप्रिय विचार का खंडन करते हैं। कंप्यूटर सिमुलेशन (जैसे कि MAMB0 सिमुलेशन) हैं जो भविष्यवाणी करने की कोशिश करते हैं कि गैलेक्सी कैसे व्यवहार करती हैं। इन सिमुलेशनों ने सुझाव दिया था कि धूल का तापमान ब्रह्मांड पुराना होने के साथ लगातार गिरता रहेगा, कभी स्थिर नहीं होगा। लेखकों का डेटा स्पष्ट रूप से दिखाता है कि यह सिमुलेशन वर्तमान युग के लिए गलत है। वास्तविक ब्रह्मांड में एक "फ्लोर" (floor) तापमान है जिसे सिमुलेशन मिस कर गए।

अन्य दिलचस्प निष्कर्ष

धूल और तारे: टीम ने तारों की तुलना में धूल की मात्रा को भी देखा। उन्होंने पाया कि ब्रह्मांड में अभी से लेकर लगभग $z \simeq 1$ तक पीछे जाने पर धूल और तारों का अनुपात बढ़ता है, और फिर यह स्थिर या गिरता हुआ प्रतीत होता है। ऐसा इसलिए है क्योंकि अतीत में, गैलेक्सी गैस की भारी मात्रा को निगल रही थीं (जो धूल में बदल जाती है), लेकिन अब वे उस गैस का उपयोग कर रही हैं या उसे खो रही हैं।
द्रव्यमान का ताप पर प्रभाव नहीं पड़ता: आश्चर्यजनक रूप से, धूल का तापमान इस बात की परवाह नहीं करता कि गैलेक्सी कितनी बड़ी है। एक छोटी गैलेक्सी और एक विशाल गैलेक्सी की धूल का तापमान लगभग समान होता है यदि वे ब्रह्मांड के एक ही युग में हैं। इसका मतलब है कि एक गैलेक्सी कितनी तेजी से तारे बना रही है और उसकी धूल कितनी गर्म है, इसके बीच का संबंध पूरी तरह से गैलेक्सी के द्रव्यमान (mass) पर निर्भर करता है।
ब्रह्मांडीय पहेली को सुलझाना: टीम ने गणना की कि वे "कॉस्मिक इन्फ्रारेड बैकग्राउंड" (ब्रह्मांड की सभी धूल की कुल चमक) का कितना हिस्सा देख सकते हैं। उन्होंने पाया कि उनके द्वारा अध्ययन की गई यूक्लिड गैलेक्सी 250, 350, और 500 $\mu$ m की तरंग दैर्ध्य पर कुल चमक के 60% से अधिक हिस्से का प्रतिनिधित्व करती हैं। उन्होंने अभी तक पूरी पहेली नहीं सुलझाई है, लेकिन उन्होंने सबसे बड़े टुकड़े ढूंढ लिए हैं।

आगे क्या?

शोध पत्र सुझाव देता है कि जैसे-जैसे यूक्लिड मिशन आगे बढ़ेगा और गहरा होता जाएगा, वे और भी अधिक गैलेक्सी देख पाएंगे, जिनमें धुंधली और समय में और पीछे की गैलेक्सी भी शामिल हैं। इससे उन्हें यह देखने में मदद मिलेगी कि क्या धूल का तापमान वास्तव में हमेशा सपाट रहता है या यह उन तरीकों से बदलता है जिन्हें वे अभी नहीं देख पा रहे हैं। फिलहाल के लिए, उन्होंने ब्रह्मांड की धूल में एक स्पष्ट, स्थिर गर्माहट को मापा है जिसे कंप्यूटर मॉडल भविष्यवाणी करने में विफल रहे, जिससे यह साबित होता है कि ब्रह्मांड का हीटिंग सिस्टम हमारी सोच से कहीं अधिक जटिल है।

तकनीकी सारांश: यूक्लिड-चयनित तारा-निर्माण करने वाली आकाशगंगाओं के औसत सुदूर-अवरक्त (Far-Infrared) गुण

समस्या और प्रेरणा
यूक्लिड मिशन का पहला क्विक डेटा रिलीज़ (Q1) एक अभूतपूर्व ऑप्टिकल और निकट-अवरक्त (NIR) डेटासेट प्रदान करता है, जिसमें स्पेक्ट्रल एनर्जी डिस्ट्रीब्यूशन (SED) फिटिंग से प्राप्त मजबूत फोटोमेट्रिक रेडशिफ्ट, स्टेलर मास और स्टार-फॉर्मेशन रेट्स (SFRs) के साथ लाखों आकाशगंगाएँ शामिल हैं। हालाँकि, ये ऑप्टिकल/NIR-व्युत्पन्न SFRs डस्ट एटेनुएशन (धूल के कारण प्रकाश का क्षीण होना) और अंतर्निहित स्टेलर पॉपुलेशन के बारे में धारणाओं पर निर्भर करते हैं। इन आकाशगंगाओं के औसत सुदूर-अवरक्त (far-IR) गुणों को स्वतंत्र रूप से बाधित करने और SFR अनुमानों की निरंतरता को सत्यापित करने के लिए, यह अध्ययन धूल के कणों के थर्मल उत्सर्जन की जांच करता है। जबकि पूर्ववर्ती फ़ार-आईआर स्टैकिंग विश्लेषण (जैसे UDS, COSMOS, या GAMA क्षेत्रों में) छोटे आकाश क्षेत्र या रेडशिफ्ट रेंज के कारण सीमित थे, यूक्लिड Q1 कैटलॉग $z \approx 3$ तक के स्टार-फॉर्मिंग गैलेक्सीज़ के 'मेन सीक्वेंस' (MS) के सांख्यिकीय रूप से सुदृढ़ लक्षण वर्णन को सक्षम करने के लिए लाखों आकाशगंगाओं को स्टैक करने की अनुमति देता है।

कार्यप्रणाली
लेखकों ने यूक्लिड Q1 मर्जिंग कैटलॉग (विशेष रूप से Enia et al. 2025 द्वारा वर्णित नमूना) का उपयोग किया, जिसमें $0.2 < z < 3.0$ रेडशिफ्ट रेंज और $8.3 < \log_{10}(M_*/M_\odot) < 11.5$ स्टेलर मास रेंज के भीतर तारा-निर्माण करने वाली आकाशगंगाओं का चयन किया गया। इस नमूने को मौजूदा हर्शल (Herschel) स्पेस ऑब्जर्वेटरी (PACS द्वारा 100/160 $\mu$ m; SPIRE द्वारा 250/350/500 $\mu$ m) और SCUBA-2 इंस्ट्रूमेंट (450/850 $\mu$ m) के फ़ार-आईआर इमेजिंग के साथ क्रॉस-मैच किया गया था। विश्लेषण में SPIRE के लिए 17.6 deg $^2$ और SCUBA-2 के लिए 2.4 deg $^2$ का कुल ओवरलैपिंग क्षेत्र कवर किया गया।

फ़ार-आईआर उपकरणों के मोटे कोणीय रिज़ॉल्यूशन (10–30 आर्कसेकंड) और यूक्लिड के रिज़ॉल्यूशन (~0.2 आर्कसेकंड) के बीच के अंतर को संबोधित करने के लिए, लेखकों ने SimStack एल्गोरिदम का उपयोग करके एक स्टैकिंग विश्लेषण नियोजित किया। यह विधि स्टेलर मास और रेडशिफ्ट द्वारा परिभाषित कई बिन्स (bins) के औसत फ्लक्स डेंसिटी के लिए एक साथ समाधान करती है। प्रमुख कार्यप्रणाली संबंधी विशेषताएं शामिल थीं:

SimStack कार्यान्वयन: $N$ बिन्स के लिए स्टैकिंग एम्प्लीट्यूड ( $S_b$ ) निर्धारित करने के लिए एक लीनियर सिस्टम $y = S_1 X_1 + \dots + S_N X_N$ को हल करना, जो प्वॉयसन वितरण (Poisson distribution) को माने बिना गैलेक्सी क्लस्टरिंग और बिन-टू-बिन सहसंबंधों को ध्यान में रखता है।
मास्किंग (Masking): बायस को रोकने के लिए चमकीले तारों, एज इफेक्ट्स और गैलेक्टिक स्रोतों (जैसे NGC 6543) से दूषित क्षेत्रों की कठोर मास्किंग की गई।
SED फिटिंग: स्टैक्ड फ्लक्स डेंसिटी को एक मॉडिफाइड ब्लैकबॉडी मॉडल के साथ फिट किया गया जो उच्च आवृत्तियों पर पावर लॉ (power law) में परिवर्तित होता है। सीमित फोटोमेट्रिक बाधाओं के कारण डस्ट एमिसिटी इंडेक्स ( $\beta$ ) और पावर-लॉ स्लोप ( $\alpha$ ) को स्थानीय फ़ार-आईआर-चयनित आकाशगंगाओं ( $\beta=1.96, \alpha=2.3$ ) से प्राप्त मानों पर स्थिर रखा गया।
पैरामीटर व्युत्पत्ति: बेस्ट-फिट SEDs से, लेखकों ने औसत डस्ट तापमान ( $T_d$ ), डस्ट मास ( $M_d$ ), और फ़ार-आईआर-व्युत्पन्न SFRs प्राप्त किए।

प्रमुख परिणाम

SFR निरंतरता: फ़ार-आईआर-व्युत्पन्न SFRs, ऑप्टिकल/NIR फोटोमेट्री से प्राप्त स्टार-फॉर्मिंग मेन सीक्वेंस (MS) द्वारा अनुमानित SFRs के साथ अच्छा तालमेल दिखाते हैं, जिनका भारित माध्य अनुपात (weighted mean ratio) 1.0 है।
डस्ट टेम्परेचर इवोल्यूशन: औसत डस्ट तापमान ( $T_d$ $T_{d}$ ) कॉस्मिक समय (बढ़ते रेडशिफ्ट) के साथ घटता है। यह विकास फलन $T_d(t) = T_2 + (T_1 - T_2)e^{-t/\tau}$ $T_{d} (t) = T_{2} + (T_{1} - T_{2}) e^{- t / τ}$ द्वारा अच्छी तरह से वर्णित है, जहाँ $T_1 = 79.7 \pm 7.4$ $T_{1} = 79.7 \pm 7.4$ K ( $t=0$ $t = 0$ पर विस्तारित), $T_2 = 23.2 \pm 0.1$ $T_{2} = 23.2 \pm 0.1$ K (एसिम्प्टोटिक मान), और $\tau = 1.6 \pm 0.1$ $τ = 1.6 \pm 0.1$ Gyr है।
- महत्वपूर्ण रूप से, $T_d$ अध्ययन किए गए बिन्स में स्टेलर मास से स्वतंत्र पाया गया।
- $z < 1$ के नीचे एक गैर-शून्य मान ( $T_2 \approx 23$ K) की ओर अभिसरण (convergence) यह सुझाव देता है कि MS आकाशगंगाओं में धूल मुख्य रूप से स्टार-फॉर्मिंग क्षेत्रों में गर्म युवा सितारों के बजाय मौजूद ठंडे, पुराने स्टेलर पॉपुलेशन द्वारा गर्म की जा रही है।
डस्ट मास और अनुपात: $z=0.2$ से $z \approx 1$ तक डस्ट मास ( $M_d$ ) और डस्ट-टू-स्टेलर मास रेश्यो ( $M_d/M_*$ ) बढ़ता है, जिसके बाद यह स्थिर हो जाता है या घटने लगता है। अधिक द्रव्यमान वाली आकाशगंगाओं में कम विशिष्ट SFRs (sSFRs) के कारण, सभी रेडशिफ्ट पर डस्ट-टू-स्टेलर मास रेश्यो स्टेलर मास बढ़ने के साथ घटता है।
कॉस्मिक इन्फ्रारेड बैकग्राउंड (CIB): यूक्लिड Q1 कैटलॉग 250, 350, और 500 $\mu$ m पर CIB के 60% से अधिक हिस्से को हल (resolve) करता है। 100 $\mu$ m पर, हल किया गया अंश 30–80% अनुमानित है, जबकि 850 $\mu$ m पर यह 30–40% है।
सिमुलेशन के साथ तुलना: जब MAMBO मॉक कैटलॉग (मिलिनियम सिमुलेशन और एम्पेरिकल गैलेक्सी जनरेटर पर आधारित) के साथ तुलना की गई, तो सिम्युलेटेड डस्ट मास और SFRs उचित रूप से मेल खाते हैं। हालाँकि, सिमुलेशन समय के साथ डस्ट तापमान में एक निरंतर गिरावट की भविष्यवाणी करता है, जो निम्न रेडशिफ्ट ( $z < 1$ ) पर देखे गए प्लेटो (plateau) को दोहराने में विफल रहता है।

महत्व और दावे
यह शोध दावा करता है कि यह अध्ययन अपने प्रकार के सबसे बड़े स्टैकिंग विश्लेषणों में से एक है, जो यूक्लिड Q1 रिलीज़ की अनूठी गहराई और क्षेत्र का लाभ उठाता है। प्राथमिक महत्व इस खोज में निहित है कि स्टार-फॉर्मिंग आकाशगंगाओं का औसत डस्ट तापमान कम रेडशिफ्ट पर एक स्थिर मान की ओर अभिसरित होता है, जो स्टेलर मास से स्वतंत्र है। यह निष्कर्ष उन मॉडलों को चुनौती देता है जहाँ डस्ट तापमान सख्ती से SFR या sSFR के समानुपाती होता है, जो ब्रह्मांड के पुराने होने के साथ धूल के हीटिंग मैकेनिज्म में बदलाव (युवा, विशाल सितारों से पुराने स्टेलर पॉपुलेशन के सामान्य इंटरस्टेलर रेडिएशन फील्ड की ओर) का सुझाव देता है।

इसके अलावा, लेखक प्रदर्शित करते हैं कि डस्ट तापमान और SFR के बीच का सहसंबंध स्टेलर मास द्वारा मध्यस्थ होता है, क्योंकि $T_d$ स्वयं मास-स्वतंत्र है। परिणाम भविष्य के यूक्लिड डेटा रिलीज़ के लिए एक बेंचमार्क भी प्रदान करते हैं, जो संकेत देते हैं कि उच्च रेडशिफ्ट ( $z > 1.5$ ) और कम स्टेलर मास पर आकाशगंगाओं के फ़ार-आईआर गुणों को पूरी तरह से समझने के लिए गहन इमेजिंग की आवश्यकता होगी। अध्ययन निष्कर्ष निकालता है कि हालांकि वर्तमान Q1 डेटा पूरे CIB को हल नहीं करता है, फिर भी यह SPIRE वेवलेंथ पर अधिकांश बैकग्राउंड की व्याख्या करता है, जो ब्रह्मांड की स्टार-फॉर्मिंग आबादी के थर्मल इतिहास को मैप करने के लिए यूक्लिड की क्षमता को प्रमाणित करता है।

इसी तरह के और पेपर