Controlled Tension Forecasting: Quantifying Cross-Probe Biases in $\omega_0\omega_a$CDM

यहाँ सेओकचोन ली (Seokcheon Lee) के शोध पत्र "Controlled Tension Forecasting: Quantifying Cross-Probe Biases in $\omega_0\omega_a$CDM" का विस्तृत तकनीकी सारांश दिया गया है।

समस्या विवरण (Problem Statement)

DESI DR2 बेरियन एकोस्टिक ऑसिलेशन (BAO), प्लैंक कॉस्मिक माइक्रोवेव बैकग्राउंड (CMB) संकुचित दूरी पूर्वग्रहों (distance priors), और पेंटियन+ सुपरनोवा (SNe) के संयोजन वाले हालिया विश्लेषणों ने मानक $\Lambda$CDM मॉडल से हल्के विचलन दर्ज किए हैं, जिन्हें अक्सर शेवेलियर-पोलार्स्की-लिन्लर (CPL) पैरामीट्राइजेशन ($\omega_0, \omega_a$) के भीतर गतिशील डार्क एनर्जी (DDE) के प्रमाण के रूप में व्याख्यायित किया जाता है। हालाँकि, एक केंद्रीय चुनौती बनी हुई है: यह निर्धारित करना कि क्या ये विचलन वास्तविक डार्क एनर्जी विकास को दर्शाते हैं या क्रॉस-प्रोब विसंगतियों, पूर्वग्रह विकल्पों (prior choices), या लाइकलीहुड निर्माण में बेमेल (mismatch) से उत्पन्न होते हैं। पिछले कार्यों ने दिखाया है कि $\Omega_{m0}$ पर पक्षपाती पूर्वग्रह या विभिन्न जांचों (probes) के बीच भिन्न डिजेनेरेसी ज्योमेट्री कृत्रिम रूप से अनुमानित मापदंडों को $\Lambda$CDM की अपेक्षा से विस्थापित कर सकती है। यह शोध पत्र एक पारदर्शी ढांचे की आवश्यकता को संबोधित करता है जो यह मात्रा निर्धारित कर सके कि विशिष्ट क्रॉस-प्रोब विसंगतियाँ एक एकीकृत निष्कर्ष पाइपलाइन (inference pipeline) के भीतर डार्क एनर्जी मापदंडों ($\omega_0, \omega_a, \omega_p$) में कैसे स्थानांतरित होती हैं।

कार्यप्रणाली (Methodology)

लेखक एक स्व-सुसंगत मॉक डेटासेट का उपयोग करके एक नियंत्रित तनाव-इंजेक्शन ढांचा (controlled tension-injection framework) विकसित करते हैं, जिसे एक फिडुशियल फ्लैट $\Lambda$CDM कॉस्मोलॉजी ($\Omega_{m0}=0.30, H_0=70, \omega_0=-1, \omega_a=0$) से उत्पन्न किया गया है। यह कार्यप्रणाली निम्नलिखित घटकों पर आधारित है:

1. मॉक जनरेशन (Mock Generation):

   • BAO: DESI प्रभावी रेडशिफ्ट पर दूरी अनुपात $D_M(z)/r_d$ और $D_H(z)/r_d$, DESI DR2 कोवेरियेंस मैट्रिक्स का उपयोग करते हुए।
   • CMB: प्लैंक-2018 बाधाओं के अनुरूप संकुचित दूरी पूर्वग्रह $\{R, \ell_A, \omega_b\}$।
   • SNe: पूर्ण सांख्यिकीय और व्यवस्थित कोवेरियेंस के साथ पेंटियन+-समान हबल डायग्राम डेटा।
   • मॉक को सर्वेक्षण के सांख्यिकीय गुणों को पुनरुत्पादित करने के लिए मल्टीवेरिएट नॉर्मल वितरणों से लिया गया है।

2. तनाव इंजेक्शन योजना (Tension Injection Scheme):
   यह ढांचा अन्यथा सुसंगत मॉक्स में पैरामीटराइज्ड बेमेल (तनाव) पेश करता है। इन्हें तीन मोड के माध्यम से लागू किया जाता है:

   • डेटा-स्तर (Data-level): सैद्धांतिक भविष्यवाणियों को संशोधित करना (जैसे, SNe ज़ीरो-पॉइंट शिफ्ट $\Delta M$, BAO साउंड होराइजन $\Delta r_d$, या दूरी अनुपात)।
   • पूर्वग्रह-स्तर (Prior-level): पक्षपाती बाहरी पूर्वग्रह लागू करना (जैसे, $\Omega_{m0}$ को खिसकाना)।
   • हाइब्रिड (Hybrid): जटिल मल्टी-प्रोब संघर्षों को सिम्युलेट करने के लिए डेटा और पूर्वग्रह ऑफसेट्स को मिलाना।
     प्राथमिक तनाव वेक्टर $\Delta t = (\Delta \Omega_{m0}, \Delta H_0, \Delta M, \Delta r_d)$ पर विचार किया गया है।

3. विश्लेषण पाइपलाइन (Analysis Pipeline):

   • एक एकीकृत मार्कोव चेन मोंटे कार्लो (MCMC) पाइपलाइन (उपयोग emcee) BAO, CMB, SNe और उनके संयोजनों का विश्लेषण करती है।
   • पैरामीटर स्पेस में कॉस्मोलॉजिकल पैरामीटर्स $(\Omega_{m0}, H_0, \omega_0, \omega_a, r_d)$ और न्युसेंस पैरामीटर्स ($M, \Delta M(z)$) शामिल हैं।
   • लाइकलीहुड्स को संकुचित डेटा वेक्टर्स में गॉसियन माना गया है।
   • फिशर मैट्रिक्स विश्लेषण (Fisher Matrix Analysis): MCMC परिणामों के पूरक के रूप में रैखिक-प्रतिक्रिया पूर्वाग्रह अनुमानों ($\Delta \theta \approx F^{-1} \nabla \chi^2$) को प्राप्त करने के लिए उपयोग किया जाता है ताकि टेंशन-टू-बायस संबंधों को मैप किया जा सके।

4. प्रायोगिक रन (Experimental Runs):
   सात विशिष्ट रन आयोजित किए गए हैं:

   • रन 1: तनाव-मुक्त बेसलाइन (पाइपलाइन का सत्यापन)।
   • रन 2: ज़ीरो-पॉइंट शिफ्ट ($\Delta M \neq 0$) के माध्यम से SNe $H_0$ तनाव।
   • रन 3: दूरी-अनुपात विरूपण के माध्यम से BAO $\Omega_{m0}$ तनाव।
   • रन 4: लो-$H_0$ दूरी पूर्वग्रह के माध्यम से CMB ध्वनिक-पैमाने (acoustic-scale) का तनाव।
   • रन 5: विपरीत दिशा वाले BAO–CMB तनाव।
   • रन 6: SNe एंकर मिसकैलिब्रेशन (सूक्ष्म ज़ीरो-पॉइंट शिफ्ट)।
   • रन 7: संयुक्त मल्टी-प्रोब व्यवस्थित तनाव (एक साथ BAO और CMB ऑफसेट्स)।

मुख्य परिणाम (Key Results)

1. बेसलाइन निरंतरता (रन 1):
   इंजेक्ट किए गए तनावों की अनुपस्थिति में, संयुक्त BAO+CMB+SNe विश्लेषण फिडुशियल $\Lambda$CDM मापदंडों को $1\sigma$ के भीतर पुनः प्राप्त करता है, जो मॉक डेटासेट्स की आंतरिक निरंतरता और पाइपलाइन की वैधता की पुष्टि करता है।

2. प्रोब-विशिष्ट पूर्वाग्रह हस्ताक्षर (Probe-Specific Bias Signatures):

   • SNe तनाव (रन 2): उच्च $H_0$ ($\Delta M < 0$) की ओर झुकाव वाला एक SNe ज़ीरो-पॉइंट शिफ्ट संयुक्त पोस्टीरियर को BAO+CMB डिजेनेरेसी दिशा (कम $H_0$, उच्च $\Omega_{m0}$, $\omega_0 > -1, \omega_a > 0$) के साथ विस्थापित करता है। BAO और CMB बाधाएं SNe प्राथमिकता पर हावी रहती हैं, जिससे एक स्पष्ट क्विंटेसेंस-जैसा (quintessence-like) बदलाव उत्पन्न होता है, भले ही तनाव SNe से उत्पन्न हुआ हो।
   • BAO तनाव (रन 3): कम $\Omega_{m0}$ के लिए BAO की प्राथमिकता संयुक्त पोस्टीरियर को $\omega_0 < -1$ और $\omega_a > 0$ (फैंटम-जैसे/phantom-like) की ओर ले जाती है, जो दर्शाता है कि कैसे BAO-विशिष्ट विरूपण DDE की नकल कर सकते हैं।
   • CMB तनाव (रन 4): कम $H_0$ के लिए CMB की प्राथमिकता एक मजबूत फैंटम-जैसे बदलाव ($\omega_0 < -1, \omega_a > 0$) और एक बड़े पिवट रेडशिफ्ट ($z_p \approx 0$) को प्रेरित करती है, क्योंकि फिट ध्वनिक-पैमाने की विसंगति को तीव्र देर-से-विकास (rapid late-time evolution) के माध्यम से क्षतिपूर्ति करता है।
   • विपरीत तनाव (रन 5): जब BAO और CMB तनाव लगभग लंबवत दिशाओं में खींचते हैं, तो संयुक्त पोस्टीरियर एक समझौता प्रतिनिधित्व करता है, जिसके परिणामस्वरूप एक फैंटम-जैसा बदलाव होता है जो रन 4 की तुलना में मध्यम है क्योंकि इसमें आंशिक रद्दीकरण (partial cancellation) होता है।
   • संयुक्त तनाव (रन 7): एक साथ BAO ($\Omega_{m0}$) और CMB ($H_0$) तनाव $\Lambda$CDM से सबसे बड़ा विचलन पैदा करते हैं। CPL पैरामीटर गहरे फैंटम क्षेत्र ($\omega_0 \approx -1.2, \omega_a \approx 1.1$) में चले जाते हैं, और पिवट रेडशिफ्ट असामान्य रूप से $z_p \approx 1.6$ की ओर स्थानांतरित हो जाता है, जो ज्यामितीय सामंजस्य (geometric coherence) के नुकसान को दर्शाता है जहाँ पिवट किसी भी एकल प्रोब की नियंत्रण शक्ति के बाहर स्थित है।

3. तनाव–पूर्वाग्रह स्थानांतरण फलन (Tension–Bias Transfer Functions):

   • 1D संबंध: लेखक इंजेक्ट किए गए तनावों ($\Delta \Omega_{m0}, \Delta H_0, \Delta M$) और पोस्टीरियर शिफ्ट के बीच अनुभवजन्य रैखिक मानचित्रण प्राप्त करते हैं। ये छोटे, अलग-थलग तनावों के लिए अच्छी तरह काम करते हैं।
   • 2D मानचित्र: जब कई तनाव एक साथ कार्य करते हैं, तो प्रतिक्रिया अत्यधिक गैर-रैखिक और एनिसोट्रोपिक (anisotropic) हो जाती है। 2D मानचित्र प्रकट करते हैं कि $\Delta \Omega_{m0}$ और $\Delta H_0$ गैर-पृथकरणीय रूप से मिश्रित होते हैं, जिससे $(\omega_0, \omega_a)$ प्लेन में घुमावदार रिज (ridges) बनते हैं।
   • सीमाएँ: 1D रैखिक स्थानांतरण फलन बड़े, वास्तविक तनावों (जैसे, DESI DR2 + CMB) के लिए शिफ्ट के परिमाण की भविष्यवाणी करने में विफल रहते हैं क्योंकि वे CMB ध्वनिक-पैमाने की मजबूत वक्रता और तनाव वेक्टर्स के गैर-रैखिक मिश्रण को ध्यान में नहीं रखते हैं।

महत्व और दावे (Significance and Claims)

यह शोध पत्र स्वयं को वास्तविक डेटा के लिए एक सटीक भविष्यवाणी इंजन के बजाय एक नैदानिक और उपदेशात्मक उपकरण (diagnostic and illustrative tool) के रूप में स्थापित करता है। इसके प्राथमिक योगदान और दावे हैं:

• स्पूरियस (Spurious) DDE का प्रदर्शन: ढांचा यह प्रदर्शित करता है कि सटीक $\Lambda$CDM से उत्पन्न एक मॉक ब्रह्मांड में भी, स्पष्ट गतिशील डार्क ऊर्जा संकेत ( $\omega_0, \omega_a$ में बदलाव) विशुद्ध रूप से क्रॉस-प्रोब विसंगतियों से उभर सकते हैं।
• ज्यामितीय मूल का पूर्वाग्रह (Geometric Origin of Bias): परिणाम इस बात पर प्रकाश डालते हैं कि अनुमानित पूर्वाग्रह की दिशा और परिमाण प्रोब्स की डिजेनेरेसी ज्योमेट्री द्वारा निर्धारित होता है। संयुक्त पोस्टीरियर अक्सर इंजेक्ट किए गए तनाव की दिशा के बजाय सबसे "तीव्र" या सबसे अधिक बाधा डालने वाली डिजेनेरेसी रिज (आमतौर पर BAO+CMB) का अनुसरण करता है।
• पैरामीट्राइजेशन की भूमिका: लेखक इस बात पर जोर देते हैं कि ये परिणाम CPL पैरामीट्राइजेशन और संकुचित CMB पूर्वग्रहों के उपयोग के विशिष्ट हैं। स्पष्ट DDE व्यवहार इस विशिष्ट आधार के भीतर एक प्रोजेक्शन प्रभाव है; अलग पैरामीट्राइजेशन से अलग पूर्वाग्रह दिशा प्राप्त होगी।
• नैदानिक उपयोगिता: ढांचा निष्कर्ष निकालने पाइपलाइनों का परीक्षण करने के लिए एक पुनरुत्पादनीय विधि प्रदान करता है। यह शोधकर्ताओं को यह पहचानने की अनुमति देता है कि कौन से प्रोब संयोजन और डिजेनेरेसी दिशाएं अवलोकन संबंधी विसंगतियों से होने वाले तनाव-प्रेरित पूर्वाग्रहों के प्रति सबसे अधिक संवेदनशील हैं।
• वास्तविक डेटा पर विनम्रता: लेखक चेतावनी देते हैं कि यहाँ प्राप्त विशिष्ट स्थानांतरण फलन पैरामीट्राइजेशन-स्वतंत्र नहीं हैं और उन्हें वर्तमान डेटा के पूर्ण-लाइकलीहुड विश्लेषण के प्रत्यक्ष विकल्प के रूप में उपयोग नहीं किया जाना चाहिए। यह कार्य इस बात को स्पष्ट करने के लिए है कि विसंगतियां ज्यामितीय रूप से कैसे प्रसारित होती हैं, न कि विशिष्ट अवलोकन संबंधी डेटासेट्स में प्रभावों के सटीक परिमाण को मापने के लिए।

संक्षेप में, यह शोध पत्र तर्क देता है कि $\Lambda$CDM से विचलन की व्याख्या करने के लिए प्रोब्स के बीच पूर्ण अंशांकन (absolute calibrations) का सावधानीपूर्वक सिंक्रोनाइज़ेशन आवश्यक है, क्योंकि मामूली क्रॉस-प्रोब बेमेल भी लचीले लेट-टाइम पैरामीट्राइजेशन द्वारा अवशोषित किए जा सकते हैं, जिससे गतिशील डार्क ऊर्जा के संकेतों की नकल की जा सकती है।