Minkowski Functionals of the 21 cm Signal as a Probe of Primordial Features

तकनीकी सारांश: आद्य भौतिक विशेषताओं के प्रोब के रूप में 21 सेमी सिग्नल के मिंकोव्स्की फंक्शनल्स (Minkowski Functionals)

समस्या विवरण
कॉस्मिक डॉन (cosmic dawn) और पुनर्संयोजन के युग (Epoch of Reionization - EoR) से प्राप्त रेडशिफ्टेड 21 सेमी सिग्नल खगोलीय प्रक्रियाओं और विशेष रूप से मुद्रास्फीति (inflation) जैसी आद्य भौतिकी (primordial physics) के लिए एक अद्वितीय प्रोब प्रदान करता है। जबकि मुद्रास्फीति मॉडल स्केल-इनवेरिएंट प्रिमॉर्डियल पावर स्पेक्ट्रम में विचलन की भविष्यवाणी करते हैं—जो अक्सर कण उत्पादन (particle production) के कारण "बम्प-लाइक" (bump-like) संरचनाओं के रूप में प्रकट होते हैं—इन विशेषताओं का पता लगाना चुनौतीपूर्ण है। पिछले अध्ययनों ने दिखाया है कि वैश्विक रूप से औसत 21 सेमी सिग्नल या पावर स्पेक्ट्रम का उपयोग करते हुए, विशिष्ट पैमानों पर, जिन्हें टर्नओवर स्केल ($k_{peak} \approx k_{turn}$) कहा जाता है, बम्प मॉडल मानक फिडुशियल मॉडल से अलग नहीं पहचाने जा सकते। इसके अतिरिक्त, प्रिमॉर्डियल हस्ताक्षरों (signatures) को खगोलीय मापदंडों (जैसे आयनीकरण दक्षता या X-रे हीटिंग) के उतार-चढ़ाव से अलग करना एक बड़ी बाधा बनी हुई है। 21 सेमी सिग्नल स्वाभाविक रूप से नॉन-गॉसियन (non-Gaussian) है क्योंकि पुनर्संयोजन की प्रकृति पैची (patchy) होती है, जिससे यह संकेत मिलता है कि सिग्नल की पूर्ण सूचना सामग्री निकालने के लिए उच्च-क्रम सांख्यिकी (higher-order statistics) और रूपात्मक विवरणों (morphological descriptors) की आवश्यकता है।

कार्यप्रणाली (Methodology)
लेखक $5 \lesssim z \lesssim 35$ रेडशिफ्ट पर कॉस्मोलॉजिकल फील्ड्स के त्रि-आयामी विन्यासों (3D realizations) को उत्पन्न करने के लिए 21cmFAST v3 कोड का उपयोग करके सेमी-न्यूमेरिकल सिमुलेशन का उपयोग करते हैं।

• प्रिमॉर्डियल फीचर्स (Primordial Features): प्रारंभिक स्थितियों को एक संशोधित प्रिमॉर्डियल पावर स्पेक्ट्रम के साथ शामिल किया गया है जिसमें कण उत्पादन से उत्पन्न बम्प-लाइक संरचनाएं शामिल हैं। इन विशेषताओं को एक आयाम ($A_I$) और एक पीक लोकेशन ($k_{peak}$) द्वारा पैरामीटराइज़ किया गया है। अध्ययन $k_{peak} \in \{0.4, 0.5, 0.6\} \, \text{Mpc}^{-1}$ (टर्नओवर स्केल $k_{turn} \approx 0.5 \, \text{Mpc}^{-1}$ सहित) और आयाम $A_I \in \{10^{-9}, 10^{-8}\}$ पर केंद्रित है।
• खगोलीय मॉडलिंग (Astrophysical Modeling): सिमुलेशन में EoR के प्रमुख मापदंडों को शामिल किया गया है: आयनीकरण दक्षता ($\zeta$), न्यूनतम विरियल तापमान ($T_{vir}$), और सॉफ्ट-बैंड X-रे ल्यूमिनोसिटी ($L_X$)।
• रूपात्मक विश्लेषण (Morphological Analysis): लेखक डेंसिटी फील्ड ($\delta_b$), स्पिन टेम्परेचर ($T_S$), न्यूट्रल हाइड्रोजन अंश ($x_{HI}$), और ब्राइटनेस टेम्परेचर ($\delta T_b$) पर मिंकोव्स्की फंक्शनल्स (MFs) लागू करते हैं। चार MFs ($V_0, V_1, V_2, V_3$) विभिन्न थ्रेशोल्ड पर एक्सक्यूर्सन सेट्स (excursion sets) के वॉल्यूम फ्रैक्शन, सतह क्षेत्र, माध्य वक्रता (mean curvature), और यूलर विशेषता (Euler characteristic) को परिमाणित करते हैं।
• परिमाणीकरण (Quantification): मॉडलों के बीच अंतर करने के लिए, लेखक MFs पर आधारित व्युत्पन्न मापने योग्य मात्राएं: एम्प्लीट्यूड क्वांटिफायर ($A_1, A_2, A_3$) और शेप क्वांटिफायर ($E_1, E_2, E_3$) को परिभाषित करते हैं जो MF कर्व्स की विषमताओं और पीक संरचनाओं को कैप्चर करते हैं। सांख्यिकीय सार्थकता का आकलन 30 विन्यासों (realizations) का उपयोग करके फिडुशियल मॉडल के विरुद्ध मानक विचलन की इकाइयों में इन व्युत्पन्न सांख्यिकी के माध्य मानों की तुलना करके किया जाता है।

मुख्य योगदान और परिणाम

1. प्रिमॉर्डियल फीचर्स के प्रति संवेदनशीलता: अध्ययन यह प्रदर्शित करता है कि MFs प्रिमॉर्डियल फीचर्स के आयाम और स्केल ($k_{peak}$) दोनों के प्रति अत्यधिक संवेदनशील हैं। ग्लोबल स्टैटिस्टिक्स के विपरीत, MFs 21 सेमी फील्ड्स की समृद्ध रूपात्मक जानकारी (morphological information) को कैप्चर करते हैं जो उनकी ज्यामिति और टोपोलॉजी से संबंधित है।
2. टर्नओवर स्केल पर पहचान: एक महत्वपूर्ण निष्कर्ष यह है कि MFs टर्नओवर स्केल ($k_{peak} \approx 0.5 \, \text{Mpc}^{-1}$) पर भी बम्प मॉडल्स की मजबूती से पहचान कर सकते हैं, जहाँ वैश्विक रूप से औसत 21 सेमी सिग्नल और पुनर्संयोजन का इतिहास फिडुशियल मॉडल से अभिन्न (indistinguishable) होता है। ऐसा इसलिए है क्योंकि बम्प मॉडल्स विभिन्न द्रव्यमान पैमानों पर हेलो मास फंक्शन (HMF) को बदलते हैं, जिससे विभिन्न द्रव्यमान पैमानों पर ढहने वाली संरचनाओं (collapsing structures) के वितरण में परिवर्तन आता है, भले ही औसत मात्राएं अपरिवर्तित रहें।
3. रेडशिफ्ट-निर्भर हस्ताक्षर (Redshift-Dependent Signatures):
   • उच्च रेडशिफ्ट ($z > 20$): सिग्नल डेंसिटी फ्लक्चुएशन द्वारा नियंत्रित होता है। बम्प मॉडल फिडुशियल मॉडल और EoR मापदंडों के उतार-चढ़ाव दोनों से मजबूती से अलग पहचाने जा सकते हैं, जो प्रिमॉर्डियल भौतिकी को बाधित करने के लिए एक स्पष्ट खिड़की प्रदान करते हैं।
   • मध्यवर्ती रेडशिफ्ट ($10 < z < 20$): अंतरशीलता सूक्ष्म है और विशिष्ट सांख्यिकी और $k_{peak}$ मान पर निर्भर करती है। टर्नओवर-स्केल मॉडल केवल संकीर्ण रेडशिफ्ट विंडो (जैसे, $z \sim 16-17$ के आसपास) के भीतर ही पहचाना जा सकता है।
   • निम्न रेडशिफ्ट ($z < 10$): प्रिमॉर्डियल फीचर्स और EoR मापदंडों (विशेष रूप से $\zeta$ और $L_X$) के बीच महत्वपूर्ण डिजेनेरेसी (degeneracy) मौजूद है, जिससे पृथक्करण कठिन हो जाता है, हालांकि विशिष्ट सांख्यिकी के लिए सीमित अंतरशीलता विंडो उपलब्ध हैं।
4. फील्ड-विशिष्ट मॉर्फोलॉजी: विश्लेषण यह प्रकट करता है कि प्रिमॉर्डियल फीचर्स घटक फील्ड्स के माध्यम से कैसे प्रसारित होते हैं। निम्न $k_{peak}$ मान बड़े पैमाने के ओवरडेंसिटीज को बढ़ाते हैं, जिससे MF एम्प्लीट्यूड बढ़ता है, जबकि उच्च $k_{peak}$ मान संरचना निर्माण और पुनर्संयोजन की प्रक्रिया को तेज करते हैं, जिससे आयनित बुलबुलों (ionized bubbles) के समय और मॉर्फोलॉजी में बदलाव आता है।

महत्व
यह पेपर दावा करता है कि मिंकोव्स्की फंक्शनल्स आगामी 21 सेमी सर्वेक्षणों के साथ मुद्रास्फीति भौतिकी की जांच के लिए पावर स्पेक्ट्रम और बाइसपेक्ट्रम के पूरक और शक्तिशाली उपकरण प्रदान करते हैं। नॉन-गॉसियन रूपात्मक हस्ताक्षरों को कैप्चर करके, MFs प्रिमॉर्डियल फीचर्स को खगोलीय अनिश्चितताओं से अलग कर सकते हैं, विशेष रूप से उन क्षेत्रों में जहाँ ग्लोबल स्टैटिस्टिक्स विफल हो जाते हैं। लेखक इस बात पर जोर देते हैं कि हालांकि उनका वर्तमान विश्लेषण बिना किसी ऑब्जर्वेशनल नॉइज़ के आदर्श सिमुलेशन का उपयोग करता है, लेकिन यह ढांचा सामान्य है और स्क्वायर किलोमीटरी एरियाल स्कूप (SKA) के भविष्य के डेटा के लिए लागू करने योग्य है। यह कार्य प्रिमॉर्डियल डेंसिटी फ्लक्चुएशन के मूल और मुद्रास्फीति मॉडलों को बाधित करने के लिए रूपात्मक सांख्यिकी (morphological statistics) का उपयोग करने के लिए एक आधार स्थापित करता है, जो यह सुझाव देता है कि इन हस्ताक्षरों की मजबूती से पहचान करने के लिए कई रेडशिफ्ट्स में MFs को संयोजित करना आवश्यक है।