⚛️ general relativity

Stochastic gravitational-wave background search using data from five pulsar timing arrays

यह शोध पत्र पांच पल्सर टाइमिंग एरेज़ के संयुक्त डेटा और एक नवीन प्रत्यक्ष संयोजन पद्धति का उपयोग करके एक स्टोकेस्टिक गुरुत्वाकर्षण-तरंग पृष्ठभूमि के लिए एक अत्यधिक संवेदनशील खोज प्रस्तुत करता है, जो हेलिंग्स-डाउन्स सहसंबंधों और एक गैर-शून्य आयाम को प्रकट करता है जो एक पृष्ठभूमि संकेत के अनुरूप है, लेकिन एक आश्वस्त पहचान के लिए पारंपरिक $5\sigma$ सीमा से कम रह जाता है।

मूल लेखक: Wang-Wei Yu, Bruce Allen

प्रकाशित 2026-03-25

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Wang-Wei Yu, Bruce Allen

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, ब्रह्मांडीय कॉन्सर्ट हॉल है। दशकों से, खगोलशास्त्री एक बहुत ही कम आवृत्ति वाली गुनगुनाहट (hum) को सुनने की कोशिश कर रहे हैं जो पूरे कमरे में गूँज रही है। यह गुनगुनाहट स्टोकेस्टिक ग्रेविटेशनल वेव बैकग्राउंड (SGWB) है—अंतरिक्ष-समय के ताने-बाने में एक निरंतर, कोमल लहर, जो ब्रह्मांड के आर-पार घूमते हुए लाखों अतिविशाल ब्लैक होल्स (supermassive black holes) के कारण उत्पन्न होती है।

इस हल्की गुनगुनाहट को सुनने के लिए, वैज्ञानिक पल्सर टाइमिंग एरेज़ (PTAs) का उपयोग करते हैं। पल्सर को ब्रह्मांड के सबसे सटीक मेट्रोनोम के रूप में समझें। ये घूमने वाले न्यूट्रॉन तारे हैं जो रेडियो तरंगों की किरणें हमारी ओर छोड़ते हैं, जो परमाणु घड़ियों की तरह अविश्वसनीय नियमितता के साथ टिक-टिक करते हैं। यदि कोई गुरुत्वाकर्षण तरंग हमारे और एक पल्सर के बीच से गुजरती है, तो वह अंतरिक्ष को खींचती और सिकोड़ती है, जिससे "टिक" हमारे पास एक सेकंड के बहुत छोटे हिस्से पहले या देर से पहुँचती है।

समस्या: बहुत सारे कंडक्टर, एक ऑर्केस्ट्रा

अब तक, दुनिया भर में पाँच प्रमुख टीमों (PTAs) के पास डेटा था, जो अपने स्वयं के पल्सरों को सुन रही थीं। वे सभी एक ही ब्रह्मांडीय गुनगुनाहट को सुनने की कोशिश कर रहे थे, लेकिन वे इसे अलग-अलग कर रहे थे।

पार्कस टीम (ऑस्ट्रेलिया) के पास 30 पल्सर थे।
यूरोपीय टीम के पास 25 थे।
उत्तरी अमेरिकी टीम के पास 67 थे।
और इसी तरह।

समस्या यह थी कि सिग्नल इतना कमजोर है कि किसी भी एक टीम के पास पर्याप्त "कान" (पल्सर) नहीं थे जिससे वे 100% सुनिश्चित हो सकें कि वे केवल शोर या स्टेटिक (static) नहीं सुन रहे हैं। यह एक शोर भरे कमरे में फुसफुसाहट सुनने जैसा है; यदि केवल एक व्यक्ति सुन रहा है, तो आपको लग सकता है कि आपने कुछ सुना है, लेकिन आप सुनिश्चित नहीं होंगे।

समाधान: "डायरेक्ट कॉम्बिनेशन" ऑर्केस्ट्रा

यह शोध पत्र, वांग-वेई यू और ब्रूस एलन द्वारा है, जो सभी पाँच टीमों को मिलाकर एक विशाल सुपर-टीम बनाने के बारे में है। उन्होंने 121 अलग-अलग पल्सरों के डेटा को लिया (सबसे बड़ा डेटासेट जो कभी उपयोग किया गया है) और उनका एक साथ विश्लेषण किया।

लेकिन एक पेचीदा बाधा थी। प्रत्येक टीम पल्सरों का वर्णन करने के लिए थोड़ा अलग "शीट म्यूजिक" (गणितीय मॉडल) का उपयोग कर रही थी। यदि आप ऐसे डेटा को मिलाने की कोशिश करते हैं जहाँ एक टीम मानती है कि घड़ी 100 बीट्स प्रति मिनट की गति से चल रही है और दूसरी मानती है कि यह 100.001 है, तो गणित बिगड़ जाता है।

लेखकों ने एक "डायरेक्ट कॉम्बिनेशन" विधि का आविष्कार किया।

उपमा: कल्पना कीजिए कि पाँच अलग-अलग शेफ एक विशाल सूप बनाने की कोशिश कर रहे हैं। प्रत्येक शेफ के पास अपनी अलग माप वाली रेसिपी बुक है। सभी रेसिपी बुक्स को पूरी तरह से एक समान करने के लिए मजबूर करने के बजाय (जो कठिन और त्रुटिपूर्ण है), लेखकों ने कहा: "आइए प्रत्येक सामग्री के लिए एक 'मास्टर रेसिपी' चुनें। हम अन्य शेफ के नोट्स को मास्टर रेसिपी के अनुरूप समायोजित करेंगे, लेकिन हम उनके वास्तविक खाना पकाने के डेटा को फेंकेंगे नहीं।"
परिणाम: उन्होंने बिना किसी जानकारी को खोए डेटा को मिला दिया, जिससे एक ऐसा डेटासेट तैयार हुआ जो किसी भी एकल टीम द्वारा प्रबंधित किए जा सकने वाले डेटासेट से चार गुना बड़ा था।

निष्कर्ष: एक बहुत ही मजबूत फुसफुसाहट

तो, क्या उन्होंने वह गुनगुनाहट सुनी? हाँ, लेकिन एक शर्त के साथ।

सिग्नल मौजूद है: डेटा एक बहुत ही मजबूत पैटर्न दिखाता है जो उस चीज़ से मेल खाता है जिसकी हम अपेक्षा करते हैं। विशेष रूप से, पल्सरों की टाइमिंग उस तरह से सह-संबंधित (correlate) होती है जो हेलिंग्स-डाउन कर्व (Hellings-Downs curve) नामक एक प्रसिद्ध भविष्यवाणी से पूरी तरह मेल खाती है।
- रूपक: कल्पना कीजिए कि आप बारिश के तूफान में खड़े हैं। यदि आप और आपका दोस्त दोनों भीग जाते हैं, तो यह केवल बारिश है। लेकिन यदि आप देखते हैं कि आपके बाएं कंधे पर गिरने वाली बूंदें हमेशा ठीक उसी समय आपके दोस्त के दाहिने कंधे पर गिरती हैं, तो आप जानते हैं कि हवा का एक विशिष्ट पैटर्न है। पल्सरों ने यही "हवा का पैटर्न" दिखाया, जो साबित करता है कि सिग्नल वास्तविक है और अंतरिक्ष से आ रहा है, न कि स्थानीय शोर से।
विश्वास का स्तर: हालांकि साक्ष्य अब तक का सबसे मजबूत साक्ष्य है, लेकिन यह अभी तक वैज्ञानिक निश्चितता के "स्वर्ण मानक" (Gold Standard) तक नहीं पहुँचा है।
- विज्ञान में, "खोज" का दावा करने के लिए, आपको आमतौर पर 5 सिग्मा (5σ) विश्वास की आवश्यकता होती है। इसका अर्थ है कि परिणाम के संयोग होने की संभावना 3.5 मिलियन में केवल 1 है।
- इस अध्ययन ने लगभग 4.3 से 4.8 सिग्मा की सार्थकता पाई।
- उपमा: यह एक जासूस द्वारा हाथ में पकड़े गए सुराग, उंगलियों के निशान और एक गवाह को खोजने जैसा है जिसने संदिग्ध को देखा था। यह 99.9% संभावित है कि संदिग्ध ने यह किया है, लेकिन न्यायाधीश (वैज्ञानिक समुदाय) दोषसिद्धि से पहले 99.9999% निश्चितता की मांग करता है। वे बहुत करीब हैं, लेकिन अभी तक वहां नहीं पहुंचे हैं।

यह क्यों महत्वपूर्ण है

यह शोध पत्र एक बड़ी प्रगति है। डेटा को मिलाकर, वैज्ञानिकों ने सिद्ध किया कि:

डेटा में मौजूद "शोर" वास्तव में एक वास्तविक सिग्नल है।
सिग्नल बिल्कुल वैसा ही व्यवहार करता है जैसा आइंस्टीन के सामान्य सापेक्षता (General Relativity) के सिद्धांत ने भविष्यवाणी की थी।
हम संभवतः अतिविशाल ब्लैक होल बाइनरी (विशाल ब्लैक होल्स की जोड़ी जो एक दूसरे के चारों ओर नाच रहे हैं) से आने वाली गुरुत्वाकर्षण तरंगों को सुन रहे हैं।

निष्कर्ष

लेखक मूल रूप से यह कह रहे हैं: "हम लगभग निश्चित रूप से ब्रह्मांडीय गुनगुनाहट सुन रहे हैं। पैटर्न बहुत अधिक सटीक है कि यह केवल एक संयोग हो सकता है। हमें बस 100% कानूनी रूप से निश्चित होने के लिए थोड़े और डेटा या थोड़े और समय की आवश्यकता है।"

यह एक गाना सुनने और उसके हर नोट के साथ गाने के बीच का अंतर है। हम अब धुन को स्पष्ट रूप से सुन सकते हैं; हमें बस गाने के शीर्षक की पुष्टि करने के लिए अंतिम कोरस (chorus) का इंतजार करने की आवश्यकता है। भविष्य के अपडेट, जिसमें चीन के FAST टेलीस्कोप (जो इस विशिष्ट अध्ययन में शामिल नहीं था) का डेटा भी शामिल होगा, संभवतः इसे एक पुष्ट खोज में बदल देंगे।

यहाँ वांग-वेई यू और ब्रूस एलन के शोध पत्र "Stochastic gravitational-wave background search using data from five pulsar timing arrays" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

पल्सर टाइमिंग एरेज़ (PTAs) का प्राथमिक लक्ष्य एक निम्न-आवृत्ति (नैनोहर्ट्ज़) स्टोकेस्टिक ग्रेविटेशनल-वेव बैकग्राउंड (SGWB) का पता लगाना है, जो संभवतः सुपरमैसिव ब्लैक होल बाइनरीज़ (SMBHBs) की एक ब्रह्मांडीय आबादी द्वारा उत्पन्न होता है। हालांकि व्यक्तिगत PTAs (NANOGrav, EPTA, PPTA, InPTA, MPTA) ने SGWB के लिए अलग-अलग स्तर के साक्ष्य रिपोर्ट किए हैं, लेकिन उनमें से कोई भी एक निश्चित पहचान के लिए आवश्यक पारंपरिक 5 $\sigma$ सांख्यिकीय महत्व (statistical significance) तक नहीं पहुँच पाया है।

चुनौती इन स्वतंत्र सहयोगों के डेटा को संयोजित करने में निहित है। विभिन्न PTAs अलग-अलग टाइमिंग मॉडल, शोर मॉडल (noise models) और डेटा प्रारूपों का उपयोग करते हैं। डेटा को संयोजित करने की पारंपरिक विधियों में अक्सर इन मॉडलों को एक एकल "सर्वश्रेष्ठ" मॉडल में सामंजस्य बिठाने की आवश्यकता होती है, जो जटिल है और व्यवस्थित त्रुटियों (systematic errors) के प्रति संवेदनशील है। यह शोध पत्र संवेदनशीलता और पहचान के विश्वास को अधिकतम करने के लिए पांच PTAs के पूर्ण सार्वजनिक डेटासेट को संयोजित करने के लिए एक मजबूत, सांख्यिकीय रूप से कठोर विधि की आवश्यकता को संबोधित करता है।

2. कार्यप्रणाली (Methodology)

लेखक पांच PTAs (EPTA, InPTA, MPTA, NANOGrav, और PPTTA) द्वारा 121 मिलीसेकंड पल्सर से देखे गए डेटा को मिलाने के लिए एक "डायरेक्ट कॉम्बिनेशन" (direct combination) विधि का उपयोग करते हैं।

डेटा प्रोसेसिंग और संयोजन

डेटासेट: विश्लेषण 121 पल्सर से प्राप्त $N = 1,090,206$ आगमन के समय (TOAs) का उपयोग करता है।
डायरेक्ट कॉम्बिनेशन: सभी टाइमिंग मॉडलों को फिर से फिट करने के बजाय, लेखक एक भौतिक रूप से प्रेरित दृष्टिकोण अपनाते हैं:
- प्रत्येक पल्सर के लिए एक "रेफरेंस PTA" चुना जाता है (प्राथमिकता: NANOGrav > EPTA > PPTA > MPTA)।
- खगोलीय पैरामीटर (आकाश की स्थिति, उचित गति, स्पिन आवृत्ति, आदि) को संदर्भ .par फ़ाइल से लक्षित PTAs में कॉपी किया जाता है।
- समय कन्वेंशन (Time Conventions): निरंतरता सुनिश्चित करने के लिए सभी समय निर्देशांकों को TDB (बैरियोसेंट्रिक डायनेमिकल टाइम) में परिवर्तित किया जाता है।
- शोर मॉडल (Noise Models): विवादों से बचने के लिए डिस्पर्शन मेजरमेंट (DM) मॉडल को शून्य उच्च-क्रम पदों के साथ एक स्थिर-इन-टाइम मॉडल ( $DM_0$ ) के रूप में मानकीकृत किया जाता है।
- फेज शिफ्ट (Phase Shifts): प्रत्येक लक्षित PTA के लिए एक "JUMP" पैरामीटर पेश किया जाता है ताकि पल्स प्रोफाइल टेम्पलेट के अंतर को संभाला जा सके।
सॉफ्टवेयर: विश्लेषण Enterprise (मानक PTA टूल) और Discovery (एक अगली पीढ़ी का, GPU-अनुकूलित पैकेज जो JAX का उपयोग करता है) का उपयोग करता है। पारंपरिक पैरेलल टेम्परिंग की तुलना में तेज़ अभिसरण (convergence) और नमूनों की बेहतर स्वतंत्रता प्रदान करने के लिए हैमिल्टोनियन नो-यू-टर्न सैंपलर (NUTS) का उपयोग किया जाता है।

सांख्यिकीय मॉडल (Statistical Models)

एक गॉसियन लाइकलीहुड फ्रेमवर्क का उपयोग करके दो परिकल्पनाओं का परीक्षण किया जाता है:

सिग्नल हाइपोथीसिस ( $H_D$ ): इसमें पल्सर शोर (व्हाइट नॉइज़, रेड नॉइज़, DM नॉइज़) के साथ एक सामान्य SGWB सिग्नल शामिल है। SGWB पल्सर जोड़ों के बीच हेलिंग्स एंड डाउन्स (Hellings and Downs - HD) वक्र का पालन करते हुए सहसंबंध (correlation) उत्पन्न करता है।
नल हाइपोथीसिस (CURN - Common Uncorrelated Red Noise): इसमें सिग्नल हाइपोथीसिस के समान ही शोर मॉडल शामिल हैं लेकिन इंटर-पल्सर सहसंबंधों को हटा दिया गया है। यह एक सामान्य शोर स्रोत का परीक्षण करता जिसमें जनरल रिलेटिविटी द्वारा अनुमानित विशिष्ट स्थानिक सहसंबंध का अभाव होता है।

डिटेक्शन सांख्यिकी (Detection Statistics)

महत्व का आकलन करने के लिए, लेखक CURN हाइपोथीसिस के तहत तीन डिटेक्शन सांख्यिकी के लिए फॉल्स-अलार्म प्रोबेबिलिटी ( $p$ -values) की गणना करते हैं:

ऑप्टिमल स्टैटिस्टिक (OS): सिग्नल-टू-नॉइज़ अनुपात को अधिकतम करता है।
नेयमैन-पियर्सन (NP): एक निश्चित फॉल्स-अलार्म दर के लिए डिटेक्शन की संभावना को अधिकतम करता है।
NPMV (NP Minimum Variance): NP का एक मजबूत संस्करण जो विकर्ण (ऑटो-कोरिलेशन) पदों को शून्य कर देता है, जिससे यह पल्सर शोर मॉडलिंग की त्रुटियों के प्रति कम संवेदनशील हो जाता है।
बायेस फैक्टर (BF): जनरलाइज्ड स्टेपिंग-स्टोन सैंपलिंग का उपयोग करके गणना की गई साक्ष्यों ( $E_{HD} / E_{CURN}$ ) का अनुपात।

3. प्रमुख योगदान (Key Contributions)

अब तक का सबसे बड़ा डेटासेट: यह विश्लेषण पांच PTAs से 121 पल्सर के डेटा को संयोजित करता है, जो किसी भी एकल PTA डेटासेट से लगभग चार गुना बड़ा है, जिससे पल्सर जोड़ों ( $N_p^2$ ) की संख्या और संवेदनशीलता काफी बढ़ जाती है।
डायरेक्ट कॉम्बिनेशन विधि: बिना किसी एकीकृत वैश्विक टाइमिंग मॉडल की आवश्यकता के विषम (heterogeneous) PTA डेटा को मिलाने के लिए एक मजबूत विधि का प्रदर्शन करता है, जो व्यक्तिगत PTA विश्लेषण की अखंडता को बनाए रखते हुए उनकी संयुक्त शक्ति का लाभ उठाता है।
कठोर महत्व परीक्षण: सरल "नॉइज़-मार्जिनलाइज्ड" अनुमानों से आगे बढ़कर $p$ -वैल्यू और बायेस फैक्टर्स के पूर्ण पोस्टीरियर वितरण प्रदान करता है, जो पूरे पोस्टीरियर सैंपल स्पेस में शोर मॉडलों की अनिश्चितताओं को ध्यान में रखता है।
HD सहसंबंध का पुनर्निर्माण: कोणीय पृथक्करण के फलन के रूप में इंटर-पल्सर सहसंबंध का पुनर्निर्माण करता है, जो पुष्टि करता है कि यह हेलिंग्स और डाउन्स भविष्यवाणी के साथ मेल खाता है।

4. परिणाम (Results)

SGWB आयाम और स्पेक्ट्रम:
- SGWB आयाम ( $A_{gw}$ ) के लिए पोस्टीरियर वितरण शून्य से दूर तीखा (sharply peaked) है, जो एक गैर-शून्य बैकग्राउंड के अनुरूप है।
- स्पेक्ट्रल इंडेक्स ( $\gamma_{gw}$ ) अपेक्षित मान $13/3$ (वृत्ताकार कक्षाओं में SMBHBs से) के अनुरूप है, जिसका मीडियन $3.76 $(फ्री$ \gamma $) या$ 3.63$ (CURN में फ्री $\gamma$ ) है।
- संयुक्त विश्लेषण व्यक्तिगत PTA परिणामों के प्रतिच्छेदन (intersection) की तुलना में कड़े प्रतिबंध (tight constraints/छोटे अनिश्चितता दीर्घवृत्त) प्रदान करता है।
सांख्यिकीय महत्व (Statistical Significance):
- फ्रीक्वेंटिस्ट (Frequentist): औसत फॉल्स-अलार्म प्रोबेबिलिटी क्रमशः 3.3 $\sigma$ से 4.3 $\sigma$ (सांख्यिकी के आधार पर और इस पर निर्भर करता है कि $\gamma_{gw}$ फिक्स्ड है या नहीं) के महत्व के अनुरूप है। इनमें से कोई भी 5 $\sigma$ थ्रेशोल्ड तक नहीं पहुँचता है।
- बायेसियन (Bayesian): बायेस फैक्टर $\ln(BF) \approx 10.18$ ( $BF \approx 26,000$ ) है। यह लगभग 4.5 $\sigma$ के महत्व के अनुरूप है, जो कि एक मजबूत साक्ष्य है लेकिन अभी भी 5 $\sigma$ डिटेक्शन थ्रेशोल्ड से नीचे है।
हेलिंग्स एंड डाउन्स सहसंबंध: कोणीय पृथक्करण ( $\theta$ ) के फलन के रूप में पल्सर जोड़ों के बीच पुनर्निर्मित सहसंबंध HD वक्र के साथ अच्छी तरह से मेल खाता है, जिसका रिड्यूस्ड $\chi^2$ 0.74 है।

5. महत्व और निष्कर्ष (Significance and Conclusion)

अब तक का सबसे मजबूत साक्ष्य: यह अध्ययन नैनोहर्ट्ज़ SGWB के लिए अब तक का सबसे सम्मोहक साक्ष्य प्रदान करता है, जो पुष्टि करता है कि सिग्नल विभिन्न PTAs और विश्लेषण विधियों में सुसंगत है।
सब-5 $\sigma$ स्थिति: मजबूत साक्ष्य के बावजूद, सांख्यिकीय महत्व औपचारिक "डिटेक्शन" दावे के लिए आवश्यक सख्त 5 $\sigma$ थ्रेशोल्ड से थोड़ा नीचे बना हुआ है। लेखक वर्तमान डेटासेट और विश्लेषण पाइपलाइनों (जैसे, स्वतंत्र फ्रीक्वेंसी बिन की धारणाएं, पदानुक्रमित शोर मॉडल की कमी) की सीमाओं को इसका कारण बताते हैं।
भविष्य का दृष्टिकोण: परिणाम सुझाव देते हैं कि "डायरेक्ट कॉम्बिनेशन" विधि प्रभावी ढंग से काम करती है। आगामी IPTA डेटा रिलीज़ 3 (DR3) और संभावित रूप से चीनी PTA (CPTA/FAST) डेटा को शामिल करने वाले भविष्य के विश्लेषणों से महत्व को 5 $\sigma$ थ्रेशोल्ड के ऊपर धकेलने की उम्मीद है, जिससे एक निर्णायक खोज होगी।
मजबूती (Robustness): लेखक नोट करते हैं कि उनके निष्कर्ष "आउटलियर" डेटा (उच्च EFAC मान वाले बैकएंड्स) को हटाने के विरुद्ध भी मजबूत हैं, हालांकि ऐसा करने से अनुमानित आयाम में थोड़ी वृद्धि होती है।

संक्षेप में, यह शोध पत्र वैश्विक डेटा को एकीकृत करके एक स्टोकेस्टिक ग्रेविटेशनल-वेव बैकग्राउंड की उपस्थिति की पुष्टि करने के माध्यम से PTA विज्ञान में एक प्रमुख प्रगति का प्रतिनिधित्व करता है, जो क्षेत्र को एक निर्णायक खोज की दहलीज पर ले आता है।