🔭 astrophysics

The Impact of Galaxy Formation on Galaxy Biasing, and Implications for Primordial non-Gaussianity Constraints

यह शोध पत्र CAMELS-SAM पाइपलाइन और सेपरेट-यूनिवर्स सिमुलेशन का उपयोग यह प्रदर्शित करने के लिए करता है कि गैलेक्सी निर्माण मापदंडों में भिन्नता गैलेक्सी बायसिंग ( $b_1$ और $b_\phi$ ) को कैसे प्रभावित करती है, जो यह प्रकट करता है कि विशिष्ट तारा निर्माण दर चयन मॉडलिंग अनिश्चितताओं के प्रति सुदृढ़ हैं और इस प्रकार प्रिमॉर्डियल नॉन-गॉसियनिटी ( $f_{\textrm{NL}}$ ) पर बाधाओं को सुधारने के लिए महत्वपूर्ण हैं।

मूल लेखक: Lucia A. Perez, Shy Genel, Elisabeth Krause, Rachel S. Somerville

प्रकाशित 2026-02-06

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Lucia A. Perez, Shy Genel, Elisabeth Krause, Rachel S. Somerville

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 महासागर है। बहुत समय पहले, बिग बैंग के ठीक बाद, यह महासागर ज्यादातर शांत था, लेकिन इसमें नन्ही लहरें थीं। वैज्ञानिक इन लहरों को "प्रारंभिक उतार-चढ़ाव" (primordial fluctuations) कहते हैं। इनमें से अधिकांश लहरें पूरी तरह से चिकनी और अनुमानित थीं, जैसे तालाब पर उठती कोमल लहरें। हालाँकि, कुछ सिद्धांत सुझाव देते हैं कि इनमें से कुछ लहरें एक विशिष्ट तरीके से थोड़ी "उबड़-खाबड़" या "लंपी" (बंपी) थीं। इस उबड़-खाबड़ होने को नॉन-गॉसियनिटी (non-Gaussianity) कहा जाता है।

आप जो शोध पत्र पढ़ रहे हैं, वह इन प्राचीन उभारों को खोजने की एक जासूसी कहानी है। इस कहानी का मुख्य पात्र $f_{NL}$ नामक एक संख्या है। यदि वैज्ञानिक इस संख्या को सटीक रूप से माप सकें, तो यह हमें ठीक-ठीक बताएगा कि हमारे ब्रह्मांड की शुरुआत कैसे हुई थी (एक प्रक्रिया जिसे "इन्फ्लेशन" कहा जाता है)।

समस्या: "अनुवादक" भ्रमित है

इन प्राचीन उभारों को खोजने के लिए, खगोलशास्त्री आकाश में आकाशगंगाओं (galaxies) के समूह बनाने के तरीके को देखते हैं। यह किसी संगीत कार्यक्रम में भीड़ को देखकर यह अनुमान लगाने जैसा है कि संगीत कहाँ सबसे तेज़ बज रहा है।

हालाँकि, एक बड़ी समस्या है। आकाशगंगाएँ केवल वहाँ बैठी नहीं हैं; वे गैस, सितारों और ब्लैक होल से जुड़ी जटिल भौतिकी की प्रक्रिया से बनती हैं। इस प्रक्रिया को आकाशगंगा निर्माण (galaxy formation) कहा जाता है।

डार्क मैटर (अदृश्य ढांचा) को ब्रह्मांड के भूभाग (terrain) (पहाड़ियों और घाटियों) के रूप में सोचें। आकाशगंगाएँ उस भूभाग पर बने घरों की तरह हैं।

लक्ष्य: हमें प्राचीन उभारों ( $f_{NL}$ ) को खोजने के लिए भूभाग के आकार को मापना है।
बाधा: जिस तरह से घर बनाए जाते हैं (आकाशगंगा निर्माण), वह उनके वितरण को बदल देता है। यदि हम "निर्माण के नियमों" को पूरी तरह से नहीं समझते हैं, तो हम यह नहीं बता पाएंगे कि घरों का एक समूह वहां इसलिए है क्योंकि भूभाग का आकार ऐसा था या इसलिए क्योंकि बिल्डरों (भौतिकी) को वहां घर बनाना पसंद था।

वैज्ञानिक शब्दों में, इस भ्रम को बायस (bias) कहा जाता है। शोध पत्र इस प्रकार के बायस के एक विशिष्ट प्रकार पर ध्यान केंद्रित करता है जिसे $b_\phi$ कहा जाता है। यह भूभाग के मानचित्र और घरों के वास्तविक स्थान के बीच एक "अनुवाद त्रुटि" की तरह है। यदि हम इस अनुवाद को गलत समझते हैं, तो हमारे प्राचीन उभारों ( $f_{NL}$ ) के माप गलत हो जाएंगे।

प्रयोग: "क्या-होता-अगर" फैक्ट्री

लेखकों ने सांता क्रूज़ सेमी-एनालिटिक मॉडल (SC-SAM) नामक एक शक्तिशाली कंप्यूटर टूल का उपयोग किया। पूरे महासागर की हर एक बूंद का अनुकरण (simulation) करने के बजाय (जो बहुत धीमा और महंगा है), यह टूल एक सिम्युलेटेड ब्रह्मांड के ऊपर आकाशगंगाएँ बनाने के लिए "नुस्खों" (recipes) के एक सेट का उपयोग करता है।

उन्होंने इस नुस्खे के 56 अलग-अलग संस्करण चलाए। कल्पना कीजिए कि आप एक केक बना रहे हैं, और आप देखना चाहते हैं कि सामग्री में बदलाव करने से स्वाद कैसे बदलता है:

नुस्खा A: "स्टेलर फीडबैक" (तारों द्वारा गैस को दूर उड़ाना) कितना होता है, इसे बदलें।
नुस्खा B: "AGN फीडबैक" (सुपरमैसिव ब्लैक होल द्वारा गैस को दूर उड़ाना) कितना होता है, इसे बदलें।
नुस्खा C: दोनों के संयोजन को बदलें।

उन्होंने इस ब्रह्मांड के 56 अलग-अलग "बैच" चलाए ताकि यह देख सकें कि निर्माण के नियम बदलने पर "अनुवाद त्रुटि" ( $b_\phi$ ) कैसे बदलती है।

मुख्य निष्कर्ष: कौन सी आकाशगंगाएँ सबसे अच्छे संदेशवाहक हैं?

टीम ने यह देखने के लिए कि कौन सा समूह प्राचीन भूभाग का सबसे विश्वसनीय "अनुवाद" देता है, आकाशगंगाओं को तीन अलग-अलग तरीकों से देखा:

द्रव्यमान (Mass) के आधार पर (आकाशगंगा कितनी भारी है):
- परिणाम: यह अव्यवस्थित था। आपके द्वारा उपयोग किए गए किसी भी "नुस्खे" (मॉडल) के आधार पर, अनुवाद त्रुटि नाटकीय रूप से बदल गई। यह अलग-अलग आकार के घरों को देखकर भूभाग के आकार का अनुमान लगाने जैसा है; बिल्डरों की प्राथमिकताओं ने डेटा को बहुत शोर भरा (noisy) बना दिया।
स्टार फॉर्मेशन रेट (तारा निर्माण दर) के आधार पर:
- परिणाम: यह अराजक था। अनुवाद त्रुटि अप्रत्याशित रूप से उछलती रही। यह यह अनुमान लगाने जैसा है कि घरों को कितनी तेज़ी से पेंट किया जा रहा है; पेंटरों के मूड (मॉडल पैरामीटर) ने पैटर्न ढूंढना असंभव बना दिया।
विशिष्ट स्टार फॉर्मेशन रेट (sSFR) के आधार पर:
- परिणाम: यह विजेता था। यह एक माप है कि एक आकाशगंगा अपने आकार के सापेक्ष कितनी कुशलता से तारे बना रही है।
- उपमा: कल्पना करें कि बिल्डरों ने अपने नुस्खों में चाहे जो भी बदलाव किए हों (अधिक गैस जोड़ना, ब्लैक होल की शक्ति बदलना), निर्माण की क्षमता आश्चर्यजनक रूप से सुसंगत रही। इन आकाशगंगाओं के लिए "अनुवाद त्रुटि" ( $b_\phi$ ) उपयोग किए गए मॉडल के बावजूद एक एकल, अनुमानित पथ का पालन करती है।
- यह क्यों मायने रखता है: यह सुझाव देता है कि यदि खगोलशास्त्री भविष्य में इन प्राचीन उभारों ( $f_{NL}$ ) को मापना चाहते हैं, तो उन्हें इस विशिष्ट दक्षता मीट्रिक के आधार पर आकाशगंगाओं को चुनना चाहिए। यह "मजबूत" (robust) है, जिसका अर्थ है कि यह आकाशगंगाओं के निर्माण के बारे में अनिश्चितताओं से भ्रमित नहीं होता है।

"असेंबली बायस" का मोड़

पत्र ने असेंबली बायस (assembly bias) नामक चीज़ की भी जाँच की। यह पूछने जैसा है: "क्या पहाड़ी का इतिहास मायने रखता है, या केवल वर्तमान ऊंचाई?"

उन्होंने पाया कि कुछ प्रकार की आकाशगंगाओं के लिए, आकाशगंगा कैसे बनी इसके इतिहास ने "अनुवाद" को बदल दिया।
हालाँकि, sSFR (दक्षता) वाली आकाशगंगाओं के लिए, इस इतिहास ने परिणामों को खराब नहीं किया। वे विश्वसनीय संदेशवाहक बने रहे।

निचोड़ (Bottom Line)

ब्रह्मांड अपने जन्म के बारे में एक रहस्य बताने की कोशिश कर रहा है, जो आकाशगंगाओं के पैटर्न के माध्यम से प्रकट होता है। लेकिन "निर्माण दल" (आकाशगंगा निर्माण भौतिकी) अव्यवस्थित है और शोर पैदा करता है।

इस शोध पत्र ने निर्माण दल के काम करने के 56 अलग-अलग तरीकों का परीक्षण किया। उन्होंने पाया कि जबकि आकाशगंगाओं को चुनने के कई तरीके भ्रम पैदा करते हैं, अपनी तारा निर्माण दक्षता (sSFR) के आधार पर आकाशगंगाओं को चुनना शोर को कम कर देता है। यह एक स्पष्ट, सुसंगत संकेत प्रदान करता है जो वैज्ञानिकों को अंततः उन प्राचीन उभारों ( $f_{NL}$ ) को मापने और यह समझने की अनुमति देता है कि हमारे ब्रह्मांड की शुरुआत कैसे हुई।

संक्षेप में: ब्रह्मांड की जन्म की पुकार को स्पष्ट रूप से सुनने के लिए, केवल सबसे तेज़ या सबसे बड़ी आकाशगंगाओं को न सुनें। उन आकाशगंगाओं को सुनें जो तारे बनाने में सबसे अधिक कुशल हैं; वे ही हैं जो आपसे भूभाग के बारे में झूठ नहीं बोलेंगी।

तकनीकी सारांश: गैलेक्सी फॉर्मेशन का गैलेक्सी बायसिंग पर प्रभाव, और प्रिमॉर्डियल नॉन-गॉसियनिटी (primordial non-Gaussianity) बाधाओं के लिए निहितार्थ

समस्या विवरण
पैरामीटर $f_{\text{NL}}$ ब्रह्मांड के प्रारंभिक ऊर्जा उतार-चढ़ाव में स्थानीय प्रिमॉर्डियल नॉन-गॉसियनिटी (PNG) की मात्रा को निर्धारित करता है। एक गैर-शून्य (non-zero) पता लगाने से सिंगल-फील्ड और मल्टी-फील्ड इन्फ्लेशन मॉडल्स के बीच अंतर किया जा सकेगा। जबकि अगली पीढ़ी के गैलेक्सी सर्वे सांख्यिकीय त्रुटियों के रूप में $\sigma_{f_{\text{NL}}} \sim 1$ के साथ $f_{\text{NL}}$ को सीमित करने का लक्ष्य रखते हैं, वर्तमान में व्यवस्थित त्रुटियां (systematic errors) इन बाधाओं पर हावी हैं। विशेष रूप से, गैलेक्सी क्लस्टरिंग के माध्यम से $f_{\text{NL}}$ का मापन गैलेक्सी बायस पैरामीटर्स $b_1$ (मास डेंसिटी के प्रति प्रतिक्रिया) और $b_\phi$ (प्रिमॉर्डियल पोटेंशियल परम्यूटेशन के प्रति प्रतिक्रिया) के साथ डिजनरेट (degenerate) है।

वर्तमान बाधाएं अक्सर "यूनिवर्सैलिटी रिलेशन" (universality relation) पर निर्भर करती हैं, जो $b_\phi$ और $b_1$ के बीच एक निश्चित स्केलिंग मानती हैं (जैसे, $b_\phi = 2\delta_c(b_1 - 1)$ ), जो डार्क मैटर हेलो से व्युत्पन्न है। हालांकि, हालिया कार्य (जैसे, बारेरा एट अल. 2020) इंगित करते हैं कि यह संबंध गैलेक्सी के लिए विफल रहता है, क्योंकि $b_\phi$ गैलेक्सी चयन और गैलेक्सी फॉर्मेशन की विशिष्ट भौतिकी पर निर्भर करता है। गैलेक्सी फॉर्मेशन मॉडलिंग की जटिलता $b_\phi$ में महत्वपूर्ण अनिश्चितता पैदा करती है, जो भविष्य के $f_{\text{NL}}$ बाधाओं के लिए खतरा है।

कार्यप्रणाली (Methodology)
गैलेक्सी फॉर्मेशन मॉडलिंग से उत्पन्न $b_\phi$ की अनिश्चितता को संबोधित करने के लिए, लेखक सेपरेट-यूनिवर्स एन-बॉडी सिमुलेशन (separate-universe N-body simulations) के भीतर एम्बेडेड सांता क्रूज़ सेमी-एनालिटिक मॉडल (SC-SAM) का उपयोग करते हैं।

सिमुलेशन: तीन AREPO एन-बॉडी सिमुलेशन चलाए गए जिनका बॉक्स साइज $L = 205 h^{-1}$ cMpc और $N = 1280^3$ पार्टिकल्स था। ये सिमुलेशन समान गॉसियन प्रारंभिक स्थितियों को साझा करते हैं, लेकिन प्रिमॉर्डियल पावर स्पेक्ट्रम के आयाम ( $\sigma_8$ ) में भिन्न होते हैं, जो लंबी तरंग दैर्ध्य वाले परम्यूटेशन के प्रति गैलेक्सी फॉर्मेशन की प्रतिक्रिया को कुशलतापूर्वक मापने के लिए सेपरेट-यूनिवर्स तकनीक का उपयोग करते हैं।
मॉडल वेरिएशंस: लेखकों ने 56 अद्वितीय SC-SAM इंस्टेंस चलाए। इन वेरिएशंस में तीन प्रमुख फीडबैक पैरामीटर्स को संशोधित करना शामिल है:
1. $\epsilon_{\text{SN}}$ (स्टेलर-ड्रिवन मास आउटफ्लो एम्प्लीट्यूड, जिसे कारक $A_{\text{SN1}}$ द्वारा परिवर्तित किया गया है)।
2. $\alpha_{\text{rh}}$ (मास आउटफ्लो रिलेशन का एक्सपोनेंट, जिसे कारक $A_{\text{SN2}}$ द्वारा परिवर्तित किया गया है)।
3. $\kappa_{\text{radio}}$ (AGN रेडियो-मोड फीडबैक एम्प्लीट्यूड, जिसे कारक $A_{\text{AGN}}$ द्वारा परिवर्तित किया गया है)।
मापन:
- $b_\phi$ की गणना हाई- $\sigma_8$ , फिडुशियल, और लो- $\sigma_8$ सिमुलेशन के बीच गैलेक्सी संख्या गणनाओं के फाइनाइट डिफरेंसिंग (finite differencing) के माध्यम से की जाती है।
- $b_1$ को गैलेक्सी-मैटर क्रॉस-पावर स्पेक्ट्रम से प्राप्त किया जाता है।
- गैलेक्सी को रेडशिफ्ट $z=0, 1, 2$ पर स्टेलर मास ( $M_*$ ), स्टार फॉर्मेशन रेट (SFR), और स्पेसिफिक SFR (sSFR) के आधार पर चुना गया।
- प्रत्येक मॉडल को एक "रियलिज्म" मेट्रिक ( $\chi^2$ ) दिया गया, जो ऑब्जर्व्ड $z=0$ स्टेलर मास फंक्शन्स (बर्नार्डी एट अल. 2018) के साथ उनकी सहमति पर आधारित था।
- अध्ययन ने गैलेक्सी असेंबली बायस के प्रभाव का भी मूल्यांकन किया, जिसमें गैलेक्सी को समान द्रव्यमान वाले लेकिन भिन्न फॉर्मेशन हिस्ट्री वाले हेलो में शफल (shuffle) किया गया।

मुख्य योगदान

फीडबैक का व्यवस्थित अन्वेषण: पिछले अध्ययनों के विपरीत, जो अक्सर एक एकल हाइड्रोडायमिकल सिमुलेशन या एक निश्चित SAM का उपयोग करते थे, यह कार्य स्टेलर और AGN फीडबैक पैरामीटर्स को व्यवस्थित रूप से बदलकर $b_\phi$ और $b_1$ के परिदृश्य को मैप करता है।
सेपरेट-यूनिवर्स SAM अनुप्रयोग: लेखक सेपरेट-यूनिवर्स तकनीक को एक सेमी-एनालिटिक मॉडल पर लागू करते हैं, जिससे पूर्ण हाइड्रोडायमिकल सिमुलेशन के साथ कम्प्यूटेशनल रूप से असंभव होने वाले विस्तृत पैरामीटर स्पेस में $b_\phi$ को कुशलतापूर्वक मापना संभव होता है।
सिलेक्शन डिपेंडेंस विश्लेषण: पेपर स्पष्ट रूप से तुलना करता है कि विभिन्न गैलेक्सी सिलेक्शन मानदंड ( $M_*$ , SFR, sSFR) गैलेक्सी फॉर्मेशन फिजिक्स के प्रति कैसे प्रतिक्रिया करते हैं, और उन चयनों की पहचान करता है जो मॉडलिंग अनिश्चितताओं के प्रति सबसे अधिक सुदृढ़ (robust) हैं।
क्रॉस-मॉडल वैलिडेशन: परिणामों की तुलना पिछले निष्कर्षों (इलिस्ट्रिस टीएनजी हाइड्रोडायमिकल सिमुलेशन, म्यूनिख SAM, और गैलेक्टिकस SAM) के साथ की गई है ताकि यह निर्धारित किया जा सके कि क्या SC-SAM पैरामीटर स्पेस अन्य गैलेक्सी फॉर्मेशन मॉडल्स के व्यवहार को समाहित करता है।

परिणाम

यूनिवर्सैलिटी से विचलन: SC-SAM मॉडल पुष्टि करते हैं कि यूनिवर्सैलिटी रिलेशन ( $b_\phi = 2\delta_c(b_1 - 1)$ ) गैलेक्सी के लिए सटीक नहीं है। $b_\phi(b_1)$ संबंध गैलेक्सी चयन और विशिष्ट फीडबैक पैरामीटर्स के आधार पर काफी भिन्न होता है।
स्टेलर मास सिलेक्शन: $b_\phi$ आमतौर पर स्टेलर मास के साथ बढ़ता है। हालांकि, $b_\phi(b_1)$ संबंध इलिस्ट्रिस टीएनजी (बारेरा एट अल. 2020) की तुलना में अधिक तीव्र (steeper) है, विशेष रूप से लो-मास सिलेक्शन के लिए। यह संबंध स्टेलर फीडबैक पैरामीटर्स ( $A_{\text{SN1}}, A_{\text{SN2}}$ ) के प्रति संवेदनशील है।
SFR सिलेक्शन: SFR-सिलेक्टेड गैलेक्सी के लिए $b_\phi$ मान अराजक (chaotic) हैं और अक्सर शून्य के करीब होते हैं। यह संबंध फीडबैक पैरामीटर्स के प्रति अत्यधिक संवेदनशील है क्योंकि विभिन्न पैरामीटर्स SFR-हेलो मास रिलेशन को जटिल तरीकों से बदलते हैं।
sSFR सिलेक्शन (मुख्य निष्कर्ष): स्पेसिफिक SFR (sSFR) पर आधारित चयन गैलेक्सी फॉर्मेशन मॉडलिंग के विविधताओं के प्रति उल्लेखनीय रूप से सुदृढ़ (robust) हैं। सभी 56 मॉडल्स में, $b_\phi$ बनाम sSFR और $b_\phi(b_1)$ संबंध एक सुसंगत पथ का अनुसरण करते हैं। इसका श्रेय SC-SAM की सेल्फ-रेगुलेटिंग प्रकृति को दिया जाता है, जो फीडबैक पैरामीटर वेरिएशंस के बावजूद एक सुसंगत sSFR-हेलो मास रिलेशनशिप बनाए रखती है।
असेंबली बायस: अध्ययन पाता है कि गैलेक्सी असेंबली बायस $b_1$ मापों को प्रभावित करता है (स्टेलर मास सिलेक्शन के लिए क्लस्टरिंग को कम करता है, और SFR/sSFR सिलेक्शन के लिए इसे बढ़ाता है जब फॉर्मेशन हिस्ट्री को शफल किया जाता है)। हालांकि, इन असेंबली बायस संकेतों का मापे गए $b_\phi(b_1)$ संबंधों पर न्यूनतम प्रभाव पड़ता है।
अन्य मॉडल्स के साथ तुलना: SC-SAM वेरिएशंस म्यूनिख SAM और गैलेक्टिकस में मापे गए $b_\phi$ व्यवहारों को समाहित करते हैं। हालांकि इलिस्ट्रिस टीएनजी परिणामों के साथ कुछ तनाव (tensions) हैं (जो संभवतः SAMs में अनुपस्थित बैरियोनिक प्रभावों या मर्जर ट्री निर्माण में अंतर के कारण है), SC-SAM वेरिएशंस अन्य मॉडल्स के अनुरूप $b_\phi$ के एक विस्तृत रेंज को कवर करते हैं।

महत्व और दावे
पेपर का दावा है कि गैलेक्सी फॉर्मेशन मॉडलिंग की अनिश्चितताएं भविष्य के $f_{\text{NL}}$ बाधाओं के लिए एक महत्वपूर्ण व्यवस्थित (systematic) हैं। यह प्रदर्शित करके कि $b_\phi$ यूनिवर्सल नहीं है और यह चयन तथा मॉडलिंग पर बहुत अधिक निर्भर करता है, लेखक तर्क देते हैं कि एक निश्चित यूनिवर्सैलिटी रिलेशन को मानना पक्षपाती (biased) बाधाओं का जोखिम उठाता है।

इस कार्य का प्राथमिक महत्व sSFR को एक सुदृढ़ गैलेक्सी सिलेक्शन के रूप में पहचानने में निहित है। चूंकि sSFR सिलेक्शन गैलेक्सी फॉर्मेशन फिजिक्स के एक विस्तृत रेंज में सुसंगत $b_\phi$ मान प्रदान करते हैं, वे भविष्य के सर्वे में व्यवस्थित त्रुटियों को कम करने का एक मार्ग प्रदान करते हैं। लेखक निष्कर्ष निकालते हैं कि जबकि कोई भी एकल मॉडल ब्रह्मांड का पूर्ण वर्णन नहीं कर सकता है, sSFR द्वारा गैलेक्सी का चयन प्रिमॉर्डियल नॉन-गॉसियनिटी बाधाओं को गैलेक्सी फॉर्मेशन फिजिक्स के विशिष्ट विवरणों के प्रति संवेदनशील होने से न्यूनतम करता है। इसके अलावा, यह कार्य ऑब्जर्वेशनल डेटा के आधार पर $b_\phi$ के लिए सूचनात्मक प्रायर्स (informative priors) बनाने के लिए एक ढांचा प्रदान करता है, जो भौतिक रूप से प्रेरित प्रिमॉर्डियल नॉन-गॉसियनिटी बाधाओं की ओर ले जाता है।

समस्या: "अनुवादक" भ्रमित है

प्रयोग: "क्या-होता-अगर" फैक्ट्री

मुख्य निष्कर्ष: कौन सी आकाशगंगाएँ सबसे अच्छे संदेशवाहक हैं?

"असेंबली बायस" का मोड़

निचोड़ (Bottom Line)

इसी तरह के और पेपर