🔭 astrophysics

Gamma-Ray Bursts as an Independent High-Redshift Probe of Dark Energy

यह शोध पूर्वानुमान लगाता है कि गामा-रे बर्स्ट्स (Gamma-Ray Bursts), विशेष रूप से वे जो डेनियोटी संबंध (Dainotti relation) द्वारा अभिलक्षित हैं और मशीन लर्निंग तकनीकों द्वारा संवर्धित हैं, डार्क एनर्जी के एक शक्तिशाली स्वतंत्र उच्च-रेडशिफ्ट प्रोब (high-redshift probe) के रूप में कार्य कर सकते हैं, जिसमें केवल दर्जनों से लेकर सैकड़ों घटनाओं के नमूनों के माध्यम से समीकरण-अवस्था पैरामीटर $w$ को वर्तमान CMB मापों के तुलनीय सटीकता के साथ सीमित किया जा सकता है।

मूल लेखक: Maria Giovanna Dainotti, Aleksander Łukasz Lenart, Biagio De Simone, William Giarè, Eleonora Di Valentino, Dieter H. Hartmann, Nissim Fraija, Kazunari Iwasaki, Gaetano Lambiase

प्रकाशित 2026-03-20

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Maria Giovanna Dainotti, Aleksander Łukasz Lenart, Biagio De Simone, William Giarè, Eleonora Di Valentino, Dieter H. Hartmann, Nissim Fraija, Kazunari Iwasaki, Gaetano Lambiase

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 सरल भाषा और रोज़मर्रा के उदाहरणों का उपयोग करके शोध पत्र (paper) का स्पष्टीकरण दिया गया है।

बड़ी तस्वीर: "कॉस्मिक गैप" (ब्रह्मांडीय अंतराल) को भरना

कल्पना कीजिए कि ब्रह्मांड के इतिहास को एक लंबी सड़क यात्रा के रूप में देखा जा रहा है। वैज्ञानिकों के पास इस यात्रा के लिए दो बहुत विश्वसनीय जीपीएस (GPS) उपकरण हैं:

टाइप Ia सुपरनोवा (SNe Ia): ये "माइल मार्कर्स" (मील के पत्थर) की तरह हैं जो यात्रा के पहले हिस्से के लिए पूरी तरह से काम करते हैं, यानी एक निश्चित दूरी (रेडशिफ्ट $z \approx 2.9$ ) तक।
कॉस्मिक माइक्रोवेव बैकग्राउंड (CMB): यह यात्रा की शुरुआत में ली गई एक फोटो की तरह है (रेडशिफ्ट $z \approx 1100$ )।

समस्या: सड़क के बीच में एक बहुत बड़ा अंतराल है ( $z=2.9$ और $z=1100$ के बीच) जहाँ हमारे पास कोई अच्छा जीपीएस सिग्नल नहीं है। हमें ठीक से पता नहीं है कि इस लंबे अंतराल के दौरान ब्रह्मांड का विस्तार कैसे हुआ। हालिया डेटा बताता है कि "डार्क एनर्जी" (Dark Energy), जो ब्रह्मांड के विस्तार को चला रही है, समय के साथ बदल सकती है, लेकिन हम इसे बिना किसी ऐसे प्रोब (जांच उपकरण) के साबित नहीं कर सकते जो इस अंतराल में देख सके।

समाधान: गामा-रे बर्स्ट (GRBs)। ये मरते हुए सितारों के विशाल विस्फोट हैं। ये इतने चमकदार होते हैं कि इन्हें दृश्य ब्रह्मांड के बिल्कुल किनारे (रेडशिफ्ट $z \approx 9.2$ तक) से भी देखा जा सकता है। यह शोध पत्र पूछता है: क्या हम इस अंतराल को भरने और यह परीक्षण करने के लिए कि क्या डार्क एनर्जी बदल रही है, इन विस्फोटों को एक नए जीपीएस के रूप में उपयोग कर सकते हैं?

उपकरण: "डेनियोटी संबंध" (एक ब्रह्मांडीय पैमाना)

GRBs को एक जीपीएस के रूप में उपयोग करने के लिए, हमें यह जानना होगा कि वे कितनी दूर हैं। लेकिन GRBs हर आकार और चमक में आते हैं, जिससे उन्हें मापना कठिन हो जाता है।

लेखक "डेनियोटी संबंध" (Dainotti Relation) नामक एक विशेष तकनीक का उपयोग करते हैं।

उदाहरण: कल्पना कीजिए कि आप रात में कार की हेडलाइट्स देख रहे हैं। आमतौर पर, आप यह नहीं बता सकते कि एक धुंधली रोशनी दूर स्थित एक कमजोर बल्ब है या पास स्थित एक चमकदार बल्ब।
तकनीक: हालाँकि, यदि आप देखते हैं कि हर कार की हेडलाइट्स समय के साथ एक बहुत ही विशिष्ट और अनुमानित पैटर्न (एक "प्लेटो" चरण) में धीमी होती हैं, तो आप उस पैटर्न का उपयोग यह पता लगाने के लिए कर सकते हैं कि वह बल्ब वास्तव में कितना चमकदार होना चाहिए। एक बार जब आप वास्तविक चमक जान लेते हैं, तो आप दूरी की गणना कर सकते हैं।
शोध पत्र में: लेखकों ने पाया कि GRBs के 'आफ्टरग्लो' (विस्फोट के बाद का प्रकाश) में एक "प्लेटो" (स्थिरता) चरण होता है जहाँ चमक और वह समय जो वह लेती है, आपस में जुड़े होते हैं। यदि आप जानते हैं कि प्लेटो चरण कितने समय तक चलता है, तो आप अनुमान लगा सकते हैं कि वह कितना चमकदार होना चाहिए। यह अराजक विस्फोटों को विश्वसनीय "स्टैंडर्ड कैंडल्स" (मानक मोमबत्तियों या पैमाने) में बदल देता है।

प्रयोग: हमें कितने GRBs की आवश्यकता है?

यह शोध पत्र केवल उन GRBs को नहीं देखता जो आज हमारे पास हैं; यह भविष्य के लिए एक विशाल कंप्यूटर सिमुलेशन चलाता है। उन्होंने पूछा: "डार्क एनर्जी को हमारे सबसे अच्छे वर्तमान उपकरणों (जैसे प्लैंक सैटेलाइट) जितनी सटीकता से मापने के लिए हमें कितने विस्फोटों को पकड़ने की आवश्यकता है?"

उन्होंने दो स्थितियों का परीक्षण किया:

स्वतंत्र (Standalone): केवल GRBs का उपयोग करना।
टीम वर्क: प्लैंक सैटेलाइट (CMB फोटो) के डेटा के साथ GRBs का संयोजन।

परिणाम:

जादुई संख्या: आपको हजारों GRBs की आवश्यकता नहीं है। शोध पत्र पाता है कि लगभग 66 से 100 उच्च-गुणवत्ता वाले GRBs (विशेष रूप से वे जिनमें स्पष्ट "प्लेटो" चरण होते हैं) प्लैंक सैटेलाइट के डार्क एनर्जी समीकरण के मापों की सटीकता से मेल खाने के लिए पर्याप्त हैं।
"मशीन लर्निंग" का बढ़ावा: वर्तमान में, हम हर GRB की दूरी नहीं माप सकते क्योंकि हमें उनका सटीक स्थान (रेडशिफ्ट) नहीं पता होता। शोध पत्र सुझाव देता है कि इन दूरियों का अनुमान लगाने के लिए मशीन लर्निंग (AI) का उपयोग किया जाए। यदि हम AI का उपयोग करते हैं, तो हम उपयोगी GRBs की संख्या को दोगुना कर सकते हैं। इस AI बूस्ट के साथ, हम दशकों तक इंतजार करने के बजाय आज या कुछ ही वर्षों के भीतर इन उच्च-सटीक लक्ष्यों तक पहुँच सकते हैं।

भविष्य: 2030 के लिए एक रोडमैप

लेखकों ने आगामी अंतरिक्ष मिशनों (जैसे SVOM, आइंस्टीन प्रोब, और THESEUS) और जमीनी दूरबीनों (जैसे वेरा सी. रुबिन वेधशाला) का अध्ययन किया।

समयरेखा: वे भविष्यवाणी करते हैं कि 2030-2032 तक, हमारे पास न केवल वर्तमान सटीकता से मेल खाने के लिए पर्याप्त GRB डेटा होगा, बल्कि यह परीक्षण करने के लिए भी होगा कि क्या डार्क एनर्जी बदल रही है (एक अवधारणा जिसे "डायनामिकल डार्क एनर्जी" कहा जाता है)।
"ट्रांसफर लर्निंग" की तकनीक: शोध पत्र "ट्रांसफर लर्निंग" नामक एक चतुर AI तकनीक का उल्लेख करता है। चूंकि GRBs एक्स-रे और दृश्य प्रकाश दोनों में प्रकाश उत्सर्जित करते हैं, और ये दो प्रकार के प्रकाश आपस में संबंधित हैं, इसलिए हम एक प्रकार के डेटा पर AI को प्रशिक्षित कर सकते हैं ताकि दूसरे को समझने में मदद मिल सके। यह प्रभावी रूप से हमारे सैंपल साइज को 5 गुना बढ़ा सकता है, जिससे हमारी प्रगति काफी तेज हो जाएगी।

निष्कर्ष

यह शोध पत्र एक "रोडमैप" है। यह सिद्ध करता है कि गामा-रे बर्स्ट केवल प्रकाश की यादृच्छिक चमक नहीं हैं; वे ब्रह्मांड विज्ञान के लिए शक्तिशाली उपकरण हैं।

मुख्य बात: हमें किसी चमत्कार का इंतजार करने की आवश्यकता नहीं है। हमारे पास जो GRBs पहले से ही मिल रहे हैं, बेहतर AI विश्लेषण और आगामी दूरबीनों के साथ मिलकर, हम जल्द ही "कॉस्मिक गैप" को भर सकते हैं।
यह क्यों महत्वपूर्ण है: यह हमें यह जांचने का एक स्वतंत्र तरीका देगा कि क्या ब्रह्मांड के नियम (विशेष रूप से डार्क एनर्जी) बदल रहे हैं, जिससे आज के भौतिकी के सबसे बड़े रहस्यों को सुलझाने में मदद मिलेगी।

संक्षेप में: शोध पत्र कहता है, "हमारे पास एक नया पैमाना (GRB) है। यदि हम डेटा को साफ करने के लिए थोड़े से AI का उपयोग करें और कुछ और दूरबीनों के चालू होने का इंतजार करें, तो हम अगले दशक के भीतर ब्रह्मांड के विस्तार के इतिहास का एक सटीक मानचित्र प्राप्त कर लेंगे।"

तकनीकी सारांश: डार्क एनर्जी के एक स्वतंत्र उच्च-रेडशिफ्ट प्रोब के रूप में गामा-रे बर्स्ट (Gamma-Ray Bursts)

समस्या विवरण
वर्तमान ब्रह्मांडीय मॉडल, विशेष रूप से फ्लैट $\Lambda$ CDM ढांचा, महत्वपूर्ण सैद्धांतिक चुनौतियों का सामना कर रहे हैं, जिनमें कॉस्मोलॉजिकल कांस्टेंट समस्या और कोइन्सिडेंस (संयोग) समस्या शामिल है। इसके अलावा, प्रेक्षण संबंधी तनाव (observational tensions) उभर कर आए हैं, जैसे कि हबल स्थिरांक विसंगति और डार्क एनर्जी स्पेक्ट्रोस्कोपिक इंस्ट्रूमेंट (DESI) बेरियन एकोस्टिक ऑसिलेशन (BAO) डेटा से हालिया संकेत, जो कॉस्मोलogical कांस्टेंट की तुलना में डायनेमिकल डार्क एनर्जी (DDE) मॉडल्स के पक्ष में सुझाव देते हैं। कॉस्मोलॉजिकल प्रोब्स में एक महत्वपूर्ण अंतराल मौजूद है: टाइप Ia सुपरनोवा (SNe Ia) रेडशिफ्ट $z \lesssim 2.9$ तक सीमित हैं, जबकि कॉस्मिक माइक्रोवेव बैकग्राउंड (CMB) $z \approx 1100$ पर ब्रह्मांड का परीक्षण करता है। इस अंतराल को भरने और कम-रेडशिफ्ट डेटा द्वारा सुझाए गए DDE संकेतों की मजबूती का परीक्षण करने के लिए स्वतंत्र, उच्च-रेडशिफ्ट प्रोब्स की कमी है। गामा-रे बर्स्ट (GRBs), जो $z \approx 9.4$ (और संभावित रूप से इससे अधिक) तक पता लगाने योग्य हैं, एक संभावित समाधान प्रदान करते हैं, बशर्ते कॉस्मोलॉजिकल पैरामीटर अनुमान के लिए उनकी 'स्टैंडर्डाइजेबल कैंडल्स' के रूप में उपयोगिता को प्रमाणित किया जा सके।

कार्यप्रणाली
लेखक $w$ CDM और $w_0w_a$ CDM (CPL) मॉडल्स के भीतर डार्क एनर्जी इक्वेशन ऑफ स्टेट (EoS) पैरामीटर $w$ पर GRBs के सीमित करने की शक्ति की जांच करते हैं। यह अध्ययन दो-आयामी डेनोट्टी संबंधों (Dainotti relations) का उपयोग करता है, जो एक्स-रे और ऑप्टिकल दोनों तरंग दैर्ध्यों में प्लेटो चरण के रेस्ट-फ्रेम एंड-टाइम ( $T^*_{a}$ ) को प्लेटो के अंत में ल्यूमिनोसिटी ( $L_a$ ) के साथ सह-संबंधित करते हैं।

डेटा तैयारी: विश्लेषण 168 एक्स-रे और 179 ऑप्टिकल लॉन्ग GRBs के प्रेक्षित नमूनों से शुरू होता है। एक पुनरावृत्तीय आउटलियर रिमूवल प्रक्रिया ("ट्रिमिंग") को सर्वोत्तम-फिट सहसंबंध रेखा के सबसे करीब स्थित स्रोतों की पहचान करने के लिए लागू किया जाता है। यह 42 एक्स-रे और 24 ऑप्टिकल GRBs का एक उच्च-गुणवत्ता वाला "पैरेंट सैंपल" प्रदान करता है।
सिमुलेशन और मॉकिंग: पैरेंट सैंपल्स का उपयोग करके, लेखक बढ़ते आकार के (हजारों स्रोतों तक) सिम्युलेटेड GRB पॉपुलेशन उत्पन्न करते हैं। ये सिमुलेशन एक फिडुशियल कॉस्मोलॉजी ( $\Lambda$ CDM के लिए Planck बेस्ट-फिट या विशिष्ट $w$ CDM और $w_0w_a$ CDM मापदंडों) को मानकर चलते हैं।
सांख्यिकीय ढांचा: कॉस्मोलॉजिकल मापदंडों का अनुमान COBAYA फ्रेमवर्क के माध्यम से मार्कोव चेन मोंटे कार्लो (MCMC) सैंपलिंग का उपयोग करके लगाया जाता है। लाइकलीहुड फंक्शन वास्तविक और सिम्युलेटेड (दोनों) Planck 2018 CMB लाइकलीहुड्स के साथ GRB प्लेटो सहसंबंध लाइकलीहुड को जोड़ता है।
इंटरपोलेशन और फोरकास्टिंग: यह अनुमान लगाने के लिए कि विशिष्ट परिशुद्धता लक्ष्यों (Planck या DESI के तुलनीय) तक पहुँचने के लिए कितने नमूना आकार की आवश्यकता है, लेखक $w$ (या $w_0, w_a$ ) पर अनिश्चितता और GRBs की संख्या ( $N$ ) के बीच संबंध का इंटरपोलेशन करते हैं।
मशीन लर्निंग और ट्रांसफर लर्निंग: अध्ययन मशीन लर्निंग (ML) तकनीकों के संभावित प्रभाव को शामिल करता है, विशेष रूप से लाइट-कर्व पैरामीटर अनिश्चितताओं में कारक-दो की कमी और उन GRBs के लिए रेडशिफ्ट का अनुमान लगाने के लिए ट्रांसफर लर्निंग का उपयोग करना जिनके पास स्पेक्ट्रोस्कोपिक माप नहीं हैं। यह उपयोगी नमूना आकार को प्रभावी रूप से दोगुना करता है और एक्स-रे एवं ऑप्टिकल डेटा के बीच क्रॉस-बैंड सामान्यीकरण की अनुमति देता है।

प्रमुख योगदान

मात्रात्मक रोडमैप: यह शोध पत्र $w$ पर कॉस्मोलॉजिकल बाधाओं (constraints) को वर्तमान CMB (Planck) या BAO (DESI) परिशुद्धता के स्तर तक प्राप्त करने के लिए आवश्यक GRBs की संख्या के लिए विशिष्ट पूर्वानुमान प्रदान करता है।
स्वतंत्र उच्च-रेडशिफ्ट प्रोब: यह GRBs को ब्रह्मांड के विस्तार के इतिहास के लिए एक व्यवहार्य, स्वतंत्र प्रोब के रूप में स्थापित करता है, जो SNe Ia और CMB के बीच के रेडशिफ्ट गैप में स्थित है, और इसमें SNe Ia को प्रभावित करने वाले सिस्टमैटिक्स से भिन्न व्यवस्थितताएं हैं।
कैलिब्रेशन रणनीतियों का प्रभाव: विश्लेषण यह मूल्यांकन करता है कि विभिन्न कैलिब्रेशन रणनीतियाँ (सभी सहसंबंध मापदंडों को बदलने बनाम नॉर्मलाइजेशन को स्थिर करने बनाम सभी मापदंडों को स्थिर करने) आवश्यक नमूना आकार और बाधाओं की परिशुद्धता को कैसे प्रभावित करती हैं।
डायनेमिकल डार्क एनर्जी बाधाएं: यह CPL मापदंडों ( $w_0, w_a$ ) को बाधित करने की व्यवहार्यता का आकलन करता है, जो इन मॉडल्स में निहित डिजनरेसी (degeneracy) को संबोधित करता है।

परिणाम

$w$ पर परिशुद्धता (स्टैंडअलोन GRBs): केवल GRBs का उपयोग करके Planck ( $\sigma_w \approx 0.47$ $σ_{w} \approx 0.47$ ) की परिशुद्धता तक पहुँचने के लिए:
- एक्स-रे: $\sim 864$ स्रोत (सभी मापदंडों को बदलते हुए), जो घटकर $\sim 93$ रह जाता है यदि सभी सहसंबंध मापदंडों को स्थिर किया जाता है।
- ऑप्टिकल: $\sim 723$ स्रोत (सभी मापदंडों को बदलते हुए), जो घटकर $\sim 66$ रह जाता है यदि सभी मापदंडों को स्थिर किया जाता है।
- ML तकनीकों के साथ (नमूने को दोगुना करना और अनिश्चितताओं को कम करना), ये परिशुद्धता स्तर वर्तमान या निकट भविष्य के डेटा के साथ प्राप्त किए जा सकते हैं।
$w$ पर परिशुद्धता (Planck/DESI के साथ संयोजन):
- वास्तविक Planck डेटा के साथ मिलकर DESI ( $\sigma_w \approx 0.14$ ) की परिशुद्धता से मेल खाने के लिए, यदि सभी पैरामीटर बदलते हैं तो $\sim 921$ (एक्स-रे) से $\sim 1410$ (ऑप्टिकल) GRBs की आवश्यकता होती है।
- सिम्युलेटेड Planck डेटा (मॉक CMB) का उपयोग करने पर, आवश्यक संख्या कम है (जैसे, स्थिर मापदंडों के साथ $\sim 666$ एक्स-रे स्रोत)।
- अध्ययन नोट करता है कि सभी GRB सहसंबंध मापदंडों को बदलने से CMB बाधाओं के साथ ज्यामितीय डिजनरेसी के कारण कभी-कभी अनुमानित $w$ बदल सकता है।
डायनेमिकल डार्क एनर्जी ( $w_0w_a$ CDM): $w_0$ और $w_a$ दोनों को एक साथ बाधित करना चुनौतीपूर्ण बना हुआ है। 4,000 GRBs के नमूनों के साथ भी, $3\sigma$ कंटूर अक्सर $\Lambda$ CDM बिंदु ( $w_0=-1, w_a=0$ ) को पूरी तरह से बाहर नहीं करते हैं। हालांकि, $\Lambda$ CDM के साथ तनाव (tension) का $z$ -स्कोर नमूना आकार के साथ बढ़ता है, जो 4,000 स्रोतों के साथ $z \approx 1.3$ (एक्स-रे) से $z \approx 2$ (ऑप्टिकल) तक पहुँच जाता है।
समयसीमा: वर्तमान और अनुमानित मिशन दरों (Swift, SVOM, Einstein Probe, LSST, आदि) के आधार पर, लेखक अनुमान लगाते हैं कि यदि मापदंडों को स्थिर/कैलिब्रेट किया जाता है, तो वर्तमान वर्ष में ही Planck-स्तर की परिशुद्धता प्राप्त की जा सकती है, या ट्रांसफर लर्निंग और ML-संवर्धित नमूनों के साथ 4-6 वर्षों के भीतर। DESI-स्तर की परिशुद्धता के लिए 2030 के दशक की शुरुआत का अनुमान है।

महत्व और दावे
यह शोध दावा करता है कि जब GRBs को अगली पीढ़ी के मिशनों और उन्नत सांख्यिकीय तकनीकों (विशेष रूप से ML और ट्रांसफर लर्निंग) के साथ जोड़ा जाता है, तो वे डार्क एनर्जी के प्रतिस्पर्धी, स्वतंत्र उच्च-रेडशिफ्ट प्रोब्स में बदल सकते हैं। लेखक इस बात पर जोर देते हैं कि GRBs अन्य डेटासेट (जैसे DESI) द्वारा सुझाए गए DDE संकेतों के रेडशिफ्ट क्षेत्र का परीक्षण करने के लिए एक अद्वितीय क्षमता प्रदान करते हैं, जो पहले मानक कैंडल्स के लिए अप्राप्य था।

अध्ययन निष्कर्ष निकालता है कि हालांकि वर्तमान GRB नमूने सीमित हैं, भविष्य के अंतरिक्ष मिशनों (जैसे THESEUS, Einstein Probe) और वाइड-फील्ड ऑप्टिकल सर्वेक्षणों (जैसे LSST) के संयोजन से अच्छी तरह से चरित्रित GRBs की संख्या में भारी वृद्धि होगी। यह विस्तार, बेहतर विश्लेषण तकनीकों के साथ मिलकर, GRBs को डार्क एनर्जी इक्वेशन ऑफ स्टेट और इसके विकास पर सार्थक, स्वतंत्र बाधाएं प्रदान करने की अनुमति देगा, जो मानक कॉस्मोलॉजिकल मॉडल और उससे संभावित विचलन के लिए एक महत्वपूर्ण क्रॉस-चेक के रूप में कार्य करेगा। लेखक एक मध्यम रुख बनाए रखते हैं, यह नोट करते हुए कि जबकि GRBs $w$ पर CMB माप की परिशुद्धता के करीब पहुँच सकते हैं, पूर्ण डायनेमिकल विकास ( $w_a$ ) को बाधित करना कठिन बना हुआ है और इसके लिए बहुत बड़े नमूना आकार और पूरक प्रोब्स की आवश्यकता है।

बड़ी तस्वीर: "कॉस्मिक गैप" (ब्रह्मांडीय अंतराल) को भरना

उपकरण: "डेनियोटी संबंध" (एक ब्रह्मांडीय पैमाना)

प्रयोग: हमें कितने GRBs की आवश्यकता है?

भविष्य: 2030 के लिए एक रोडमैप

निष्कर्ष

इसी तरह के और पेपर