Consistency of standard cosmologies using Bayesian model comparison and tension quantification

तकनीकी सारांश: बेयसियन मॉडल तुलना और तनाव मात्रा निर्धारण का उपयोग करके मानक ब्रह्मांड विज्ञान की निरंतरता

समस्या विवरण
मानक ब्रह्मांड संबंधी मॉडल, $\Lambda$CDM, लंबे समय से कॉस्मिक माइक्रोवेव बैकग्राउंड (CMB), बेरियन एकोस्टिक ऑसिलेशन (BAO), और टाइप Ia सुपरनोवा (SN) से स्वतंत्र बाधाओं के अभिसरण द्वारा समर्थित रहा है। हालाँकि, हालिया साहित्य निरंतर विसंगतियों ("तनावों") की रिपोर्ट करता है, विशेष रूप से हबल स्थिरांक ($H_0$) तनाव, आंतरिक प्लैंक निरंतरता मुद्दे (जैसे, लो-$\ell$ बनाम हाई-$\ell$ विभाजन, CMB बनाम लेंसिंग), और "वक्रता तनाव" जहाँ प्लैंक डेटा एक बंद ब्रह्मांड को प्राथमिकता देता है जबकि BAO डेटा समतलता का समर्थन करता है। इसके अलावा, इस बारे में चल रही बहसें भी हैं कि क्या ये तनाव $\Lambda$CDM के विस्तार, जैसे कि विकसित डार्क एनर्जी ($w_0w_a$CDM) या गैर-शून्य न्यूट्रिनो द्रव्यमान की आवश्यकता रखते हैं।

एक महत्वपूर्ण चुनौती यह है कि तनावों के संबंध में गुणात्मक निष्कर्ष अक्सर विशिष्ट डेटा उत्पादों, लाइकलीहुड कार्यान्वयन और डेटा-सेट संयोजनों के प्रति अत्यधिक संवेदनशील होते हैं। विभिन्न सांख्यिकीय मेट्रिक्स (साक्ष्य अनुपात, पोस्टीरियर शिफ्ट, फिट-आधारित माप) प्रायर वॉल्यूम और साझा उप-स्थानों को अलग-अलग तरह से भारित करते हैं, जिससे यह निर्धारित करना कठिन हो जाता है कि एक तनाव एक मजबूत भौतिक संकेत है या विश्लेषण विकल्पों का एक आर्टिफैक्ट। यह शोध पत्र इन कारकों को अलग करने के लिए एक एकीकृत, सुसंगत बेयसियन मूल्यांकन प्रदान करने का लक्ष्य रखता है।

कार्यप्रणाली
लेखक पाँच ब्रह्मांडीय मॉडलों में मॉडल तुलना और डेटा-सेट निरंतरता का आकलन करने के लिए एक एकीकृत बेयसियन ढांचे का उपयोग करते हैं: आधारभूत $\Lambda$CDM और चार न्यूनतम विस्तार:

1. $\Lambda$CDM + $\sum m_\nu$ (न्यूट्रिनो द्रव्यमान का योग)।
2. $\Lambda$CDM + $\Omega_K$ (स्थानिक वक्रता)।
3. $w$CDM (स्थिर डार्क एनर्जी समीकरण अवस्था)।
4. $w_0w_a$CDM (विकसित डार्क एनर्जी)।

डेटा और लाइकलीहुड:
विश्लेषण एक व्यापक सूट का उपयोग करता है:

• CMB: प्लैंक पब्लिक रिलीज़ 3 (PR3/2018) और प्लैंक पब्लिक रिलीज़ 4 (PR4/NPIPE)। लेखक कई हाई-$\ell$ लाइकलीहुड कार्यान्वयन (Plik, Camspec, HiLLiPoP) और लो-$\ell$ लाइकलीहुड (SimAll, LoLLiPoP), साथ ही CMB लेंसिंग लाइकलीहुड (L3, L4) की तुलना करते हैं।
• BAO: SDSS (DR7, DR12, DR16) और डार्क एनर्जी स्पेक्ट्रोस्कोपिक इंस्ट्रूमेंट (DESI DR2) से डेटा।
• SN: डार्क एनर्जी सर्वे (DES y5), Pantheon+, और Union3 से टाइप Ia सुपरनोवा।
• डिस्टेंस लैडर: संदर्भ के लिए स्थानीय $H_0$ माप (Riess 2020, Freedman 2020) शामिल किए गए हैं।

सांख्यिकीय ढांचा:
अध्ययन बेयसियन अनुमान के तीन स्तंभों का उपयोग करता है:

1. पैरामीटर अनुमान: पोस्टीरियर वितरण प्राप्त करना।
2. मॉडल तुलना: बेयसियन साक्ष्य ($Z$) और लॉग-साक्ष्य अंतर ($\Delta \ln Z$) की गणना करना, जो अतिरिक्त मापदंडों के लिए ऑकैम दंड (Occam penalties) को शामिल करते हुए मॉडल वरीयता निर्धारित करता है।
3. तनाव मात्रा निर्धारण:
   • साक्ष्य अनुपात ($R$): दो डेटासेट्स के संयुक्त साक्ष्य की तुलना उनके व्यक्तिगत साक्ष्यों के गुणनफल से करना। यदि $\ln R \ll 0$ है, तो यह तनाव को दर्शाता है।
   • सस्पेक्टिशियसनेस ($S$): एक लाइकलीहुड-आधारित, प्रायर-स्वतंत्र मीट्रिक जो "ऑकैम समीकरण" से व्युत्पन्न है। यह तनाव को एक 'गुडनेस-ऑफ-फिट' घटक और एक 'ऑकैम पेनल्टी' घटक में विभाजित करता है। $S$ को बेयसियन मॉडल आयामीता ($\tilde{d}$) के अंतर का उपयोग करके $p$-वैल्यू और "सिग्मा" ($\sigma$) महत्व में परिवर्तित किया जाता है।

लेखक तीव्र लाइकलीहुड मूल्यांकन के लिए CosmoPower एमुलेटर्स और साक्ष्य गणना के लिए नेस्टेड सैंपलिंग (PolyChord) का उपयोग करते हैं।

मुख्य परिणाम

• आंतरिक CMB निरंतरता: अपडेटेड प्लैंक प्रोसेसिंग (PR4) व्यवस्थित रूप से आंतरिक निरंतरता में सुधार करती है। लो-$\ell$ और हाई-$\ell$ मल्टीपोल के बीच तनाव, और प्राथमिक CMB तथा CMB लेंसिंग के बीच का तनाव, PR3 (Plik) से PR4 (CamSpec, HiLLiPoP) की ओर जाने पर काफी कम हो जाता है। उदाहरण के लिए, वक्रता विस्तार की एक बंद ब्रह्मांड के प्रति वरीयता, जिसने PR3 में BAO के साथ तनाव पैदा किया था, PR4 लाइकलीहुड और अपडेटेड BAO डेटा (DESI) के साथ काफी हद तक समाप्त हो जाती है।
• वक्रता तनाव: "वक्रता तनाव" (CMB में $\Omega_K < 0$ की वरीयता बनाम BAO में समतलता) को मुख्य रूप से शुरुआती प्लैंक लाइकलीहुड कार्यान्वयन (PR3/Plik) की एक विशेषता के रूप में पहचाना गया है। PR4 और आधुनिक BAO डेटा (DESI) के साथ, तनाव $1\sigma$ से नीचे गिर जाता है, और वक्रता की वरीयता समाप्त हो जाती है।
• डार्क एनर्जी विस्तार:
  • $w$CDM: $\Lambda$ को स्थिर $w$ से बदलने से न तो मजबूती से फिट में सुधार होता है और न ही तनावों का समाधान होता है; यह अक्सर $H_0$ पर CMB की बाधा लगाने की शक्ति को कम करने के अलावा मूल विसंगति को हल नहीं करता है।
  • $w_0w_a$CDM: CMB+BAO+SN संयोजनों में विकसित डार्क एनर्जी के लिए स्पष्ट साक्ष्य लाइकलीहुड के विशिष्ट युग्मों के प्रति अत्यधिक संवेदनशील हैं। CMB+BAO+SN संयोजनों के साथ $w_0w_a$CDM के लिए मजबूत वरीयता केवल विशिष्ट संयोजनों (जैसे, Planck PR3 + DES y5) के साथ देखी जाती है। Planck PR4 और/या Pantheon+ SN डेटा में स्विच करने पर यह वरीयता उलट जाती है, जिससे $\Lambda$CDM के प्रति मध्यम वरीयता बहाल हो जाती है।
  • DES Dovekie अपडेट: पेपर नोट करता है कि DES SN लाइकलीहुड का एक बाद का अपडेट ("DES Dovekie") $\Omega_m$ पोस्टीरियर को स्थानांतरित करता है, जो इसे Pantheon+ के साथ सामंजस्य में लाता है और तनाव को और कम करता है, जिससे यह पुष्टि होती है कि DES y5 के आधार पर $w_0w_a$CDM की ओर आवश्यक बदलाव के दावे समयपूर्व थे।
• न्यूट्रिनो द्रव्यमान: एक मुक्त $\sum m_\nu$ की अनुमति देने से नई विसंगतियों को पेश किए बिना अवशिष्ट बदलावों को अवशोषित करने में मदद मिलती है। लेखक पाते हैं कि पूर्ण लाइकलीहुड संदर्भ को ध्यान में रखने के बाद, $\tau$-संचालित (ऑप्टिकल डेप्थ) विसंगति के लिए कोई मजबूत साक्ष्य नहीं मिलता है।
• मीट्रिक संवेदनशीलता: अध्ययन रेखांकित करता है कि "तनाव" एक एकल अपरिवर्तनीय मात्रा नहीं है। विभिन्न लाइकलीहुड विकल्प (जैसे, CamSpec बनाम HiLLiPoप, दोनों PR4 पर आधारित) मापने योग्य रूप से भिन्न तनाव सांख्यिकी प्रदान करते हैं (लगभग $\sim 0.5\sigma$ का अंतर), जो यह स्पष्ट करता है कि "PR4" अनूठे रूप से हाई-$\ell$ लाइकलीहुड विकल्प को निश्चित नहीं करता है।

महत्व और निष्कर्ष
पेपर यह निष्कर्ष निकालता है कि $\Lambda$CDM को डायनेमिकल डार्क एनर्जी मॉडल ($w_0w_a$CDM) में अपडेट करने की आवश्यकता वाले दावे समयपूर्व हैं। लेखक तर्क देते हैं कि:

1. कई रिपोर्ट किए गए तनाव विश्लेषण विकल्पों (ला likelihood कार्यान्वयन, डेटा रिलीज़) के प्रति संवेदनशील हैं, न कि डेटा के अपरिवर्तनीय गुणों के प्रति।
2. डेटा प्रोसेसिंग (Planck PR3 $\to$ PR4) और डेटा संकलन (SDSS $\to$ DESI) में अपडेट ने व्यवस्थित रूप से निरंतरता में सुधार किया है।
3. विस्तारित मॉडलों में "तनाव राहत" का आभास अक्सर डेटासेट की बाधा लगाने की शक्ति को कम करने (अनिश्चितता बढ़ाने) के कारण होता है, न कि वास्तव में बेहतर सह-फिट प्राप्त करने के कारण।
4. "वक्रता तनाव" और विकसित डार्क एनर्जी के लिए सबसे मजबूत संकेत डेटा उत्पादों के उचित चयन के माध्यम से मजबूत नहीं हैं।

लेखक व्यवस्थित प्रभावों को मापने के लिए कई स्वतंत्र विश्लेषण पाइपलाइनों को बनाए रखने की वकालत करते हैं और उन विसंगतियों की अति-व्याख्या के विरुद्ध चेतावनी देते हैं जो विश्लेषण परिपक्व होने और सिस्टमैटिक्स हैंडलिंग संशोधित होने के साथ विकसित हो सकती हैं। वे इस बात पर जोर देते हैं कि वर्तमान सांख्यिकीय साक्ष्य $\Lambda$CDM प्रतिमान से विचलन के लिए दृढ़ता से आवश्यकता नहीं दर्शाते हैं।