Projection effects in star-forming regions: I. Nearest-neighbour statistics and observational biases

तकनीकी सारांश: तारा-निर्माण क्षेत्रों में प्रक्षेप प्रभाव (Projection Effects) I. निकटतम-पड़ोसी सांख्यिकी और प्रेक्षण संबंधी पूर्वाग्रह

समस्या विवरण
तारे आणविक बादलों के पदानुक्रमित विखंडन (hierarchical fragmentation) के माध्यम से सघन कोर, फिलामेंट्स और उप-समूहों में विभाजित होकर बनते हैं। इस विखंडन के भौतिकी को समझने के लिए उपयोग किया जाने वाला एक प्राथमिक प्रेक्षण योग्य मान, सघन कोर के बीच की विशिष्ट दूरी है, जिसकी तुलना अक्सर जेन्स लंबाई (Jeans length) या सोनिक लंबाई जैसे सैद्धांतिक पैमानों से की जाती है। हालांकि, प्रेक्षित माप स्वाभाविक रूप से त्रि-आयामी (3D) संरचनाओं के द्वि-आयामी (2D) प्रक्षेप होते हैं। जबकि समदैशिकता (isotropy) की धारणा के तहत एक सरल ज्यामितीय वि-प्रक्षेप कारक $4/\pi \approx 1.27$ का अक्सर प्रयोग किया जाता है, यह शोध पत्र तर्क देता है कि ऐसा कारक अपर्याप्त है। मानक दृष्टिकोण दो प्रतिस्पर्धी पूर्वाग्रहों को समझाने में विफल रहता है: (1) प्रक्षेप न केवल दूरियों को छोटा करता है बल्कि निकटतम-पड़ोसी (NN) नेटवर्क को भी "पुनर्गठित" (rewires) करता है, जिससे उन स्रोतों के बीच कृत्रिम 2D लिंक बन जाते हैं जो 3D में एक-दूसरे से बहुत दूर हैं; और (2) सीमित कोणीय विभेदन (angular resolution) 'बीम ब्लेंडिंग' (beam blending) को जन्म देता है, जो निकटतम पड़ोसियों को आपस में मिला देता है और स्पष्ट दूरियों को बढ़ा देता है। एक सुदृढ़ सुधार ढांचे के बिना, विखंडन पैमानों और प्रमुख भौतिक प्रक्रियाओं (तापीय बनाम विक्षोभ/turbulent) के संबंध में निष्कर्ष व्यवस्थित रूप से त्रुटिपूर्ण हो सकते हैं।

कार्यप्रणाली
लेखक व्यापक पैरामीटर स्पेस में प्रक्षेप पूर्वाग्रहों को मापने के लिए नियंत्रित संख्यात्मक खिलौना मॉडलों (numerical toy models) की एक श्रेणी का उपयोग करते हैं।

• मॉडल: वे दो प्राथमिक ज्यामितिओं का उपयोग करके बिंदु-वत "कोर" के 3D वितरण उत्पन्न करते हैं: (i) समान और केंद्र-केंद्रित गोलाकार प्रोफाइल, और (ii) विभिन्न फ्रैक्टल आयामों ($D \approx 1.6–2.5$) के साथ पदानुक्रमित फ्रैक्टल वितरण (कार्टराइट और व्हिटवर्थ प्रिस्क्रिप्शन), जो क्लंपी और फिलामेंटरी उप-संरचनाओं का अनुकरण करते हैं।
• सिमुलेशन प्रक्रिया: प्रत्येक विन्यास के लिए, 3D वितरण को घुमाया जाता है और 2D तल पर प्रक्षेपित किया जाता है। इसके बाद लेखक 3D और 2D दोनों में NN ग्राफ की गणना करते हैं।
• विभेदन प्रभाव (Resolution Effects): प्रेक्षण संबंधी सीमाओं का अनुकरण करने के लिए, वे एक "बीम-ब्लेंडिंग" चरण लागू करते है जहाँ एक बीम त्रिज्या के भीतर के बिंदुओं को एक एकल सेंट्रॉइड में मिला दिया जाता है। इसे स्थानिक गतिशील रेंज (Spatial Dynamic Range - SDR) द्वारा पैरामीटराइज किया गया है, जिसे दृश्य क्षेत्र (Field of View - FoV) और बीम फुल विड्थ हाफ मैक्सिमम (FWHM) के अनुपात के रूप में परिभाषित किया गया है।
• विश्लेषण: अध्ययन नमूना आकार ($N$), फ्रैक्टल आयाम और SDR को व्यवस्थित रूप से परिवर्तित करता है। वे आंतरिक 3D NN किनारों की लंबाई ($\ell_{3D}$) बनाम प्रक्षिप्त 2D लंबाई ($\ell_{2D}$) की तुलना करते हैं, जिसमें औसत अनुपात $C = \langle \ell_{3D} \rangle / \langle \ell_{2D} \rangle$ और टोपोलॉजिकल ओवरलैप (जैकार्ड समानता) का विश्लेषण किया जाता है।

मुख्य परिणाम

1. $4/\pi$ कारक की विफलता: मानक ज्यामितीय कारक $1.27$वास्तविक 3D अंतराल को काफी कम आंकता है। अच्छी तरह से नमूनाकृत और सुस्पष्ट मामलों के लिए, अनुपात$C$ काफी अधिक होता है।
2. नेटवर्क पुनर्गठन (Network Rewiring): प्रक्षेप केवल मौजूदा लिंक्स को छोटा नहीं करता है; यह NN नेटवर्क को मौलिक रूप से पुनर्गठित करता है। $N=200$ वाले समान वितरण में, केवल $\sim20\%$ 3D NN लिंक्स ही प्रक्षेप के बाद जीवित रहते हैं। शेष लिंक्स को नए, बहुत छोटे 2D पड़ोसियों द्वारा प्रतिस्थापित किया जाता है, जो आदर्श, उच्च-विभेदन मामलों में औसत अनुपात $C$ को $\sim2.5$ तक ले जाता है।
3. नमूना आकार की निर्भरता: पूर्वाग्रह वस्तुओं की संख्या के साथ बदलता है। छोटे नमूनों ($N \lesssim 10$) के लिए, अनुपात कम ($\sim1.5$) होता है, लेकिन यह $N$ के साथ व्यवस्थित रूप से बढ़ता है, जो 3D ($N^{-1/3}$) और 2D ($N^{-1/2}$) औसत पृथक्करण के बीच आयामी स्केलिंग अंतर के अनुरूप एक पावर लॉ का अनुसरण करता है।
4. विभेदन की निर्भरता (बीम ब्लेंडिंग): सीमित विभेदन एक प्रतिस्पर्धी पूर्वाग्रह के रूप में कार्य करता है। जब SDR कम ($\lesssim 10$) होता है, तो बीम ब्लेंडिंग अलग-अलग कोर को मिला देती है, जिससे सबसे छोटी आंतरिक दूरियां समाप्त हो जाती हैं। यह प्रक्षेप-प्रेरित लघुकरण को दबा देता है, जिससे $C$ वापस एकता की ओर ($C \approx 1$) चला जाता है।
5. अनुभवजन्य सुधार सूत्र (Empirical Correction Formula): लेखक एक सरल अनुभवजन्य सुधार कारक $C(N, \text{SDR})$ व्युत्पन्न करते हैं जो नमूना आकार और विभेदन की संयुक्त निर्भरता को पकड़ता है:
   $$C(N, \text{SDR}) = C_\infty \left[1 - \exp(-\text{SDR}/S_0)\right] \left(\frac{N}{100}\right)^\beta$$
   फिट किए गए पैरामीटर हैं $C_\infty = 1.94$, $S_0 = 21.8$, और $\beta = 0.173$।
   • रेजीम I (कम $N$ या कम SDR): $C \approx 1$। बीम ब्लेंडिंग हावी रहती है, जिससे टोपोलॉजिकल अंतर मिट जाते हैं।
   • रेजीम II (मध्यवर्ती): $C$ तेजी से बढ़ता है क्योंकि प्रक्षेप पुनर्गठन (rewiring) हावी हो जाता है।
   • रेजीम III (उच्च $N$, उच्च SDR): $C$ लगभग $\sim2.0$ के पास संतृप्त हो जाता है। यहाँ, वास्तविक 3D पृथक्करण आमतौर पर प्रेक्षित 2D दूरियों के दोगुने होते हैं।

महत्व और अनुप्रयोग
यह शोध पत्र कोर पृथक्करण में प्रक्षेप पूर्वाग्रह के पहले व्यवस्थित अंशांकन (calibration) को प्रदान करता है, जो सरल $4/\pi$ धारणा से आगे बढ़ता है। लेखक प्रदर्शित करते हैं कि एक विभेदन- और नमूना-आकार-निर्भर गुणात्मक कारक लागू करने से प्रेक्षकों को 2D डेटा से आंतरिक 3D अंतराल का अनुमान लगाने में मदद मिलती है।

• व्याख्या पर प्रभाव: ASHES सर्वेक्षण डेटा पर इस ढांचे को लागू करने से पता चलता है कि जबकि असुधारित 2D अंतराल तापीय जेन्स लंबाई के अनुरूप प्रतीत होते हैं, नमूना-आकार सुधार ($C(N)$) लागू करने से बड़े 3D अंतराल का संकेत मिलता है। हालांकि, विभेदन सुधार ($C(N, \text{SDR})$) को शामिल करने से अनुमानित 3D अंतराल फिर से कम हो जाता है, जो यह उजागर करता है कि मार्जिनली रिज़ॉल्व्ड मैप्स में सैद्धांतिक पैमानों के साथ स्पष्ट सहमति वास्तव में बीम ब्लेंडिंग का एक आर्टिफैक्ट (artifact) हो सकती है।
• सीमाएं और सावधानियां: लेखक स्पष्ट रूप से कहते हैं कि यह कार्य आदर्शित खिलौना मॉडलों का उपयोग करते हुए एक "पहला कदम" है। उन्होंने जानबूझकर संवेदनशीलता सीमाएं, बैकग्राउंड कन्फ्यूजन, अपूर्ण दृश्य क्षेत्र और गैर-समान रूपात्मकता (morphologies) जैसी जटिलताओं को छोड़ दिया है। फलस्वरूप, व्युत्पन्न सुधारों को रूपात्मकता और अभिविन्यास के कारण $\sim30–40\%$ व्यवस्थित अनिश्चितताओं के साथ एक अनुमान के रूप में लिया जाना चाहिए। प्रेक्षित $N_{obs}$ पर आधारित सुधार कारक वास्तविक सुधार का एक रूढ़िवादी निचला स्तर है।
• उपकरण: लेखकों ने इन सुधारों को लागू करने की सुविधा के लिए corespacing3d पैकेज जारी किया है।

निष्कर्षतः, यह कार्य स्थापित करता है कि तारा-निर्माण क्षेत्रों में प्रक्षेप प्रभाव ज्यामितीय लघुकरण, नेटवर्क पुनर्गठन और विभेदन-प्रेरित ब्लेंडिंग का एक संयोजन है। एक एकल वैश्विक कारक अपर्याप्त है; विखंडन भौतिकी के सटीक निष्कर्ष के लिए ऐसे सुधारों की आवश्यकता है जो न केवल पता लगाए गए कोर की संख्या बल्कि अवलोकन की स्थानिक गतिशील रेंज को भी ध्यान में रखें।