⚛️ high-energy experiments

Search for Annual Modulation in Combined ANAIS 112 and COSINE 100 Data using Bayesian Model Comparison

लगभग तीन वर्षों के संयुक्त ANAIS-112 और COSINE-100 डेटा पर बेयसियन मॉडल तुलना (Bayesian model comparison) का उपयोग करते हुए, यह अध्ययन डार्क मैटर-प्रेरित वार्षिक मॉड्यूलेशन सिग्नल के लिए कोई साक्ष्य नहीं पाता है, क्योंकि बेयस फैक्टर (Bayes factor) एक साइनुसोइडल मॉडल की तुलना में एक स्थिर बैकग्राउंड मॉडल का पुरजोर समर्थन करता है।

मूल लेखक: Om Godse, Shantanu Desai

प्रकाशित 2026-05-28

📖 4 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Om Godse, Shantanu Desai

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

यहाँ इस शोध पत्र का सरल भाषा और रोज़मर्रा के उदाहरणों के साथ विवरण दिया गया है।

सबसे बड़ा रहस्य: डार्क मैटर क्या है?

कल्पive कि हमारी आकाशगंगा एक विशाल, अदृश्य महासागर है। हम जानते हैं कि यह महासागर मौजूद है क्योंकि इसमें चलने वाले जहाज (तारे) उस तरह से व्यवहार करते हैं जिससे पता चलता है कि उन्हें किसी ऐसी चीज़ द्वारा धकेला जा रहा है जिसे हम देख नहीं सकते। वैज्ञानिक इस अदृश्य चीज़ को डार्क मैटर (Dark Matter) कहते हैं।

द दशकों से, प्रमुख सिद्धांत यह है कि यह डार्क मैटर WIMPs (वीकली इंटरैक्टिंग मैसिव पार्टिकल्स) नामक सूक्ष्म, भूतिया कणों से बना है। ये कण इतने शर्मीले होते हैं कि वे सामान्य पदार्थ से बहुत कम टकराते हैं, लेकिन यदि वे टकराते भी हैं, तो वे एक छोटा सा "खरोंच" या संकेत छोड़ सकते हैं।

विवाद: "एनुअल मॉड्यूलेशन" (वार्षिक उतार-चढ़ाव) का संकेत

1998 में, DAMA/LIBRA नामक एक प्रयोग ने दावा किया कि उसने इन "खरोंचों" को खोज लिया है। उन्होंने कहा कि उन्होंने एक विशिष्ट पैटर्न देखा: "खरोंचों" की संख्या हर साल एक दिल की धड़कन की तरह ऊपर-नीचे होती है।

उदाहरण: कल्पना कीजिए कि आप एक समुद्र तट पर खड़े हैं। आप देखते हैं कि हर साल, जून के आसपास, लहरें थोड़ी बड़ी हो जाती हैं, और दिसंबर के आसपास, वे छोटी हो जाती हैं। आप निष्कर्ष निकालते हैं, "महासागर सांस ले रहा है!" यही DAMA का दावा है: पृथ्वी डार्क मैटर की एक "हवा" के माध्यम से आगे बढ़ रही है, और जैसे-जैसे हम सूर्य की परिक्रमा करते हैं, हम जून में इससे अधिक टकराते हैं और दिसंबर में कम।

संशयवादी: COSINE-100 और ANAIS-112

अन्य वैज्ञानिक संशयवादी थे। उन्होंने अपने स्वयं के डिटेक्टर बनाए, COSINE-100 (कोरिया में) और ANAIS-112 (स्पेन में), यह देखने के लिए कि क्या वे उसी सामग्री का उपयोग करके वही "महासागर की सांस" सुन सकते हैं जो DAMA ने सुनी थी।

लंबे समय तक, इन नए प्रयोगों ने कहा, "हमें कुछ सुनाई नहीं दे रहा है।" उन्होंने डेटा को देखा और उन्हें कोई स्पष्ट ऊपर-नीचे का पैटर्न नहीं मिला।

नया अध्ययन: एक नए उपकरण के साथ एक ताज़ा नज़र

इस शोध पत्र में, दो शोधकर्ताओं (ओम गोडसे और शांतनु देसाई) ने COSINE-100 और ANAIS-112 के संयुक्त डेटा (लगभग तीन साल का डेटा) पर एक ताज़ा नज़र डालने का निर्णय लिया।

केवल नंबरों को देखने के बजाय, उन्होंने बेयसियन मॉडल कंपैरिजन (Bayesian Model Comparison) नामक एक सांख्यिकीय उपकरण का उपयोग किया।

उदाहरण: कल्पना कीजिए कि आप एक केस सुलझाने की कोशिश कर रहे एक जासूस हैं। आपके पास दो सिद्धांत हैं:

सिद्धांत A (कोसाइन मॉडल): लहरें लयबद्ध हैं। एक वास्तविक पैटर्न मौजूद है ("महासागर की सांस")।
सिद्धांत B (कॉन्स्टेंट मॉडल): लहरें केवल रैंडम शोर (noise) हैं। कोई पैटर्न नहीं है; यह बस एक सपाट, उबाऊ रेखा है।

आमतौर पर, आप केवल डेटा को देखकर अनुमान लगा सकते हैं कि कौन सा सिद्धांत बेहतर फिट बैठता है। लेकिन यह पेपर एक "गणितीय पैमाने" (जिसे बेयज़ फैक्टर कहा जाता है) का उपयोग करता है। यह पूछता है: "यह कितनी अधिक संभावना है कि डेटा एक लयबद्ध पैटर्न से आता है बजाय रैंडम शोर के?"

परिणाम: पैमाना नहीं झुका

शोधकर्ताओं ने इस पैमाने का परीक्षण विभिन्न "नियमों" (जिन्हें प्रायर्स/priors कहा जाता है) का उपयोग करके किया ताकि यह देखा जा सके कि क्या उत्तर उनके गणित को सेट करने के तरीके के आधार पर बदल जाता है। उन्होंने दो अलग-अलग ऊर्जा श्रेणियों में डेटा देखा (जैसे दो अलग-अलग रंग के फिल्टर के साथ समुद्र को देखना)।

फैसला:
परिणाम स्पष्ट था: पैमाना मुश्किल से हिला।

"गणितीय पैमाने" ने 1.15 से कम का स्कोर दिया।
सांख्यिकी की दुनिया में, इतना कम स्कोर एक शोर भरे कमरे में एक हल्की फुसफुसाहट सुनने जैसा है। यह "बमुश्किल उल्लेख करने योग्य" है।

इसका अर्थ क्या है: COSINE-100 और ANAIS-112 का डेटा उस वार्षिक उतार-चढ़ाव (annual modulation) के विचार का समर्थन नहीं करता है जो DAMA ने देखा होने का दावा किया है। डेटा रैंडम शोर (एक स्थिर मान) की तरह बहुत अधिक दिखता है बजाय डार्क मैटर के किसी संकेत के।

निष्कर्ष

शोध पत्र निष्कर्ष निकालता है कि जब आप इन दोनों प्रयोगों के डेटा को मिलाते हैं और इसे इस सख्त गणितीय परीक्षण से गुजारते हैं, तो वार्षिक उतार-चढ़ाव के संकेत के लिए कोई प्रमाण नहीं मिलता जैसा कि DAMA दावा करता है।

शोधकर्ताओं ने अपनी "रेसिपी" (कंप्यूटर कोड) भी सार्वजनिक रूप से साझा की ताकि कोई भी उनके काम की जांच कर सके। यह इस बात की पुष्टि करता है कि पहले के निष्कर्ष कि "महासागर की सांस" लेना केवल प्रकाश का एक भ्रम हो सकता है, सही हैं।

तकनीकी सारांश: ANAIS-112 और COSINE-100 के संयुक्त डेटा का बेयसियन मॉडल तुलना (Bayesian Model Comparison)

समस्या विवरण
दो दशकों से अधिक समय से, DAMA/LIBRA प्रयोग ने सोडियम आयोडाइड (NaI) डिटेक्टरों के अवशिष्ट घटना दरों (residual event rates) में एक सांख्यिकीय रूप से महत्वपूर्ण वार्षिक मॉड्यूलेशन सिग्नल की रिपोर्ट की है, जो वीकली इंटरैक्टिंग मैसिव पार्टिकल (WIMP) डार्क मैटर इंटरैक्शन के अनुरूप एक संकेत है। हालांकि, यह दावा उसी लक्ष्य सामग्री (target material) का उपयोग करने वाले अन्य प्रत्यक्ष पहचान प्रयोगों, विशेष रूप से COSINE-100 (कोरिया) और ANAIS-112 (स्पेन) द्वारा अनकन्फर्म (unconfirmed) बना हुआ है। जबकि COSINE-100 और ANAIS-112 के संयुक्त डेटा के पहले तीन वर्षों (जिसे C25 कहा गया है) के पिछले संयुक्त विश्लेषणों ने मॉड्यूलेशन के प्रमाण न मिलने के लिए फ्रीक्वेंटिस्ट रिग्रेशन (frequentist regression) का उपयोग किया था, यह अध्ययन एक बेयसियन ढांचे (Bayesian framework) के माध्यम से इन निष्कर्षों को पूरक बनाने का प्रयास करता है। मुख्य समस्या यह है कि क्या इन दोनों प्रयोगों के संयुक्त अवशिष्ट (combined residuals) एक निरंतर बैकग्राउंड मॉडल की तुलना में एक साइनुसोइडल मॉड्यूलेशन मॉडल (जो डार्क मैटर से अपेक्षित है) के पक्ष में सांख्यिकीय साक्ष्य प्रदान करते हैं, जो कि पूर्व कार्यों में उपयोग की गई विशिष्ट रिग्रेशन तकनीकों से स्वतंत्र हो।

कार्यप्रणाली (Methodology)
लेखक दो परिकल्पनाओं के बीच एक बेयसियन मॉडल तुलना करते हैं:

मॉडल $M_2$ (कोसाइन सिग्नल): अवशिष्ट डेटा एक साइनुसोइडल फलन का अनुसरण करता है $R(t) = S_m \cos(\omega(t - t_0))$ , जहाँ $S_m$ आयाम (amplitude) है, $\omega$ कोणीय आवृत्ति (angular frequency) है, और $t_0$ चरण (phase) है।
मॉडल $M_1$ (निरंतर बैकग्राउंड): अवशिष्ट डेटा एक स्थिर मान $A$ द्वारा वर्णित है।

विश्लेषण में लगभग तीन वर्षों के संयुक्त डेटा का उपयोग किया गया है, जो 485 kg-year का कुल एक्सपोजर कवर करता है। डेटा को दो ऊर्जा श्रेणियों: 1–6 keV और 2–6 keV में 15-दिवसीय अंतराल पर बिन (bin) किया गया है।

मुख्य कार्यप्रत्मक चरण शामिल हैं:

लाइकलीहुड निर्माण (Likelihood Construction): एक गॉसियन लाइकलीहुड माना गया है, जिसमें त्रुटियों को गॉसियन माना गया है।
प्रायर चयन (Prior Selection): मजबूती सुनिश्चित करने के लिए, लेखक मुक्त मापदंडों ( $S_m$ $S_{m}$ , $\omega$ $ω$ , $t_0$ $t_{0}$ ) के लिए चार अलग-अलग प्रायर सेटों का परीक्षण करते हैं:
- आयाम ( $S_m$ ): न्यूनतम से अधिकतम देखे गए अवशिष्टों के बीच यूनिफॉर्म प्रायर, और अलग से शून्य से अधिकतम पूर्ण अवशिष्ट (absolute residual) तक।
- आवृत्ति ( $\omega$ ) और चरण ( $t_0$ ): दोनों यूनिफॉर्म प्रायर (पूरे डेटासेट की अवधि और 0–365 दिन कवर करते हुए) और DAMA/LIBRA द्वारा रिपोर्ट किए गए बेस्ट-फिट मानों ( $T \approx 1$ वर्ष, $t_0 \approx 145$ दिन) पर केंद्रित नॉर्मल प्रायर।
एविडेंस गणना (Evidence Calculation): दोनों मॉडलों के लिए बेयसियन एविडेंस (मार्जिनल लाइकलीहुड) की गणना Dynasty में कार्यान्वित नेस्टेड सैंपलिंग एल्गोरिदम का उपयोग करके की जाती है। तुलना मीट्रिक को कॉसाइन मॉडल के एविडेंस और कांस्टेंट मॉडल के अनुपात, $\ln(B_{21})$ के नेचुरल लॉग के रूप में दर्शाया गया है।

प्रमुख योगदान

स्वतंत्र सत्यापन: यह कार्य लीस्ट-स्क्वायर और मार्कोव चेन मोंटे कार्लो (MCMC) रिग्रेशन का उपयोग करके मूल संयुक्त विश्लेषण के बजाय एक बेयसियन मॉडल तुलना दृष्टिकोण का उपयोग करके C25 परिणामों का एक स्वतंत्र सत्यापन प्रदान करता है।
प्रायर मजबूती (Prior Robustness): कई प्रायर कॉन्फ़िगरेशन का परीक्षण करके—जिसमें DAMA/LIBRA के बेस्ट-फिट मानों से सूचित प्रायर शामिल हैं—यह अध्ययन यह प्रदर्शित करता है कि सिग्नल की अनुपस्थिति के संबंध में निष्कर्ष प्रायर धारणाओं के बदलावों के प्रति मजबूत है।
ओपन साइंस: लेखकों ने पारदर्शिता और पुनरुत्पादकता (reproducibility) सुनिश्चित करने के लिए अपने विश्लेषण कोड को सार्वजनिक रूप से उपलब्ध कराया है।

परिणाम
विश्लेषण दोनों ऊर्जा अंतरालों में सभी चार प्रायर सेटों के लिए बेयिस फैक्टर के नेचुरल लॉग ( $\ln(B_{21})$ ) को प्रस्तुत करता है। परिणाम निम्नानुसार संक्षेपित हैं:

सभी परीक्षण किए गए प्रायर संयोजनों के लिए, $\ln(B_{21})$ का मान 1.15 से कम है।
बेयिस फैक्टर्स की व्याख्या करने के लिए जेफरीज स्केल (Jeffreys' scale) के अनुसार, $\ln(B_{21}) < 1.15$ (जो $B_{21} \leq \sqrt{10}$ के अनुरूप है) इंगित करता है कि कांस्टेंट मॉडल की तुलना में कोसाइन मॉडल के लिए साक्ष्य "बमुश्किल उल्लेख करने योग्य" (barely worth mentioning) हैं।
विशेष रूप से, 1–6 keV और 2–6 keV अंतरालों में, गणना किए गए मान लगभग -0.13 से 1.36 के बीच हैं, जिनमें से अधिकांश 1.15 की दहलीज के पास या नीचे क्लस्टर होते हैं।
आयाम, आवृत्ति और चरण के लिए मार्जिनलाइज्ड पोस्टीरियर कंटूर (marginalized posterior contours), निरंतर दर की नल परिकल्पना (null hypothesis) की तुलना में DAMA-अनुकूल मापदंडों के लिए कोई मजबूत प्राथमिकता नहीं दिखाते हैं।

महत्व और दावे
यह पत्र निष्कर्ष निकालता है कि बेयसियन मॉडल तुलना इस परिकल्पना का समर्थन करने के लिए कोई साक्ष्य नहीं देती है कि संयुक्त ANAIS-112 और COSINE-100 डेटा में डार्क मैटर इंटरैक्शन के अनुरूप वार्षिक मॉड्यूलेशन सिग्नल मौजूद है। परिणाम निरंतर बैकग्राउंड परिकल्पना के अनुरूप हैं।

लेखक अपने योगदान को C25 विश्लेषण के पूरक के रूप में विनम्रतापूर्वक प्रस्तुत करते हैं। वे कहते हैं कि उनके निष्कर्ष इस निष्कर्ष को पुष्ट करते हैं कि इन प्रयोगों के पहले तीन वर्षों के संयुक्त डेटा में डार्क मैटर इंटरैक्शन के अनुरूप वार्षिक मॉड्यूलेशन का दावा नहीं मिलता है। यह अध्ययन सामान्य रूप से डार्क मैटर इंटरैक्शन को निर्णायक रूप से खारिज करने का दावा नहीं करता है, बल्कि विशेष रूप से यह पाता है कि इस विशिष्ट डेटासेट में, सिग्नल के चरण और आवृत्ति के संबंध में प्रायर धारणाओं के बावजूद, एक निरंतर बैकग्राउंड की तुलना में साइनुसोइडल सिग्नल के लिए कोई सांख्यिकीय प्राथमिकता नहीं है।