🔭 astrophysics

Searching for unresolved massive black hole pairs through AGN photometric variability

यह शोध पत्र एक पूर्णतः बायेसियन (Bayesian) टाइम-डोमेन विश्लेषण पद्धति का प्रस्ताव और मूल्यांकन करता है जो एकल बनाम दोहरे डैम्प्ड रैंडम वॉक (damped random walk) मॉडलों के विरुद्ध प्रेक्षित लाइट कर्व्स की तुलना करके अनसुलझे विशाल ब्लैक होल युग्मों को एकल सक्रिय गैलेक्टिक नाभिकों से अलग करती है, जो इसकी व्यवहार्यता को प्रदर्शित करता है और सफल पहचान के लिए आवश्यक विशिष्ट पैरामीटर बाधाओं की पहचान करता है।

मूल लेखक: Lorenzo Bertassi, Maria Charisi, Fabio Rigamonti, Stefano Covino, Massimo Dotti

प्रकाशित 2026-04-02

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Lorenzo Bertassi, Maria Charisi, Fabio Rigamonti, Stefano Covino, Massimo Dotti

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 रचनात्मक उपमाओं का उपयोग करके शोध पत्र की व्याख्या दी गई है।

बड़ी तस्वीर: ब्रह्मांडीय जुड़वाओं की खोज

कल्पना कीजिए कि आप रात के आकाश की ओर देख रहे हैं। आपको एक अकेला, चमकीला तारा दिखाई देता है। लेकिन क्या होगा यदि वह "तारा" वास्तव में दो तारे हों जो एक-दूसरे के इतने करीब हैं कि आपका टेलीस्कोप उन्हें अलग-अलग नहीं पहचान पा रहा है? वे रोशनी के एक अकेले धब्बे की तरह दिखते हैं, लेकिन वास्तव में वे एक जोड़ी हैं।

ब्रह्मांड में, आकाशगंगाएँ अक्सर आपस में मिलती (merge) हैं। जब वे ऐसा करती हैं, तो उनके केंद्रों में स्थित सुपरमैसिव ब्लैक होल्स (विशालकाय ब्लैक होल) भी साथ खिंचे चले आते हैं। आमतौर पर, वे अंततः एक-दूसरे से टकरा जाते हैं, लेकिन लंबे समय तक वे एक "जोड़ी" (या युगल) के रूप में एक दूसरे की परिक्रमा करते रहते हैं। इन्हें अनरेज़ल्व्ड ब्लैक होल ड्युओस (Unresolved Black Hole Duos - UBHDs) कहा जाता है।

समस्या क्या है? वे दो अलग-अलग बिंदुओं के रूप में दिखने के लिए बहुत दूर हैं, लेकिन दो अलग-अलग आकाशगंगाओं के रूप में होने के लिए बहुत करीब हैं। वे एक एकल एक्टिव गैलेक्टिक न्यूक्लियस (AGN) की तरह दिखते हैं—एक अत्यंत चमकीला ब्लैक होल जो गैस को निगल रहा है और चमक रहा है।

लक्ष्य: यह शोध पत्र पूछता है: क्या हम केवल यह देखकर अंतर बता सकते हैं कि एक अकेला ब्लैक होल है या ब्लैक होल की एक जोड़ी, बस उनके प्रकाश के समय-समय पर टिमटिमाने (flicker) के तरीके को देखकर?

उपमा: ड्रमर और लय

इस पद्धति को समझने के लिए, आइए ड्रमरों (Drummers) की एक उपमा का उपयोग करें।

एकल ड्रमर (एकल ब्लैक होल):
कल्पना कीजिए कि एक ड्रमर सोलो (solo) बजा रहा है। वे एक सटीक, रोबोटिक ताल नहीं बजा रहे हैं। इसके बजाय, वे तात्कालिक रचना (improvisation) कर रहे हैं। कभी वे ड्रम पर ज़ोर से प्रहार करते हैं, कभी धीरे, कभी तेज़, तो कभी धीमे। इसे "रेड नॉइज़" (Red Noise) या "डैम्प्ड रैंडम वॉक" (Damped Random Walk) कहा जाता है। यह अराजक है लेकिन इसमें एक विशिष्ट "व्यक्तित्व" या लय होती है। यदि आप केवल इस एक ड्रमर को सुनते हैं, तो आप उनकी सामान्य शैली का अनुमान लगा सकते हैं।
दो ड्रमर (ब्लैक होल की जोड़ी):
अब, कल्पना कीजिए कि दो ड्रमर एक ही कमरे में बजा रहे हैं, लेकिन वे एक-दूसरे को सुन नहीं रहे हैं। वे स्वतंत्र रूप से अपनी रचना कर रहे हैं।
- ड्रमर A की लय धीमी और भारी है।
- ड्रमर B की लय तेज़ और चंचल है।
- साथ मिलकर, वे एक ऐसी ध्वनि बनाते हैं जो दोनों का मिश्रण है।

चुनौती: यदि आप दूर खड़े हैं और केवल संयुक्त ध्वनि सुन सकते हैं, तो क्या आप बता सकते हैं कि यह एक अजीब ड्रमर है या दो सामान्य ड्रमर जो एक साथ बजा रहे हैं?

विधि: "बेयसियन जासूस" (The Bayesian Detective)

लेखकों ने इस रहस्य को सुलझाने के लिए एक सांख्यिकीय "जासूसी" उपकरण विकसित किया है। उन्होंने इसे इस प्रकार किया:

नकली डेटा बनाना (सिमुलेशन):
चूंकि उन्हें परीक्षण करने के लिए वास्तविक ब्लैक होल जोड़ियों को खोजने में कठिनाई हुई, इसलिए उन्होंने अपने कंप्यूटरों में एक "आभासी ब्रह्मांड" बनाया। उन्होंने सिम्युलेट किया:
- 1,000 अकेले ब्लैक होल (एकल ड्रमर)।
- 1,000 ब्लैक होल जोड़ियाँ (दो ड्रमर)।
  उन्होंने इन सिमुलेशन को वास्तविक टेलीस्कोप डेटा जैसा बनाया, जिसमें समय के अंतराल (जैसे जब बादल दृश्य को रोक देते हैं या टेलीस्कोप कहीं और केंद्रित होता है) भी शामिल थे।
परीक्षण (बेयसियन तुलना):
उन्होंने "लाइट कर्व" डेटा (समय के साथ चमक का ग्राफ) का एक टुकड़ा लिया और अपने कंप्यूटर से दो प्रश्न पूछे:
- परिकल्पना A: "क्या यह डेटा सबसे अच्छी तरह से एक अजीब व्यवहार करने वाले ब्लैक होल द्वारा समझाया जा सकता है?"
- परिकल्पना B: "क्या यह डेटा सबसे अच्छी तरह से दो स्वतंत्र ब्लैक होल्स के अजीब व्यवहार द्वारा समझाया जा सकता है?"
उन्होंने प्रत्येक परिदृश्य के लिए "संभावनाओं" (जिसे बेयस फैक्टर कहा जाता है) की गणना करने के लिए नेस्टेड सैंपलिंग (Nested Sampling) नामक एक गणितीय उपकरण का उपयोग किया। यह एक न्यायाधीश की तरह साक्ष्य को तौलने जैसा है। यदि "दो ड्रमर" के लिए साक्ष्य पर्याप्त मजबूत है (विशेष रूप से, यदि संभावना 3 से 1 से अधिक है), तो वे इसे एक जोड़ी घोषित करते हैं।

परिणाम: उन्हें क्या मिला?

जासूसी कार्य ने कुछ दिलचस्प नियम प्रकट किए कि यह तकनीक कब काम करती है:

1. "गलत अलार्म" (False Alarm) की दर बहुत कम है
यदि आप एक अकेले ब्लैक होल को देखते हैं, तो कितनी बार परीक्षण गलती से उसे एक जोड़ी समझ लेता है?

उत्तर: लगभग कभी नहीं। केवल 0.2% से 0.6% समय। इसका मतलब है कि यह विधि बहुत विश्वसनीय है; यह तब "भेड़िया आया" नहीं चिल्लाती जब वहाँ कोई भेड़िया नहीं होता।

2. पहचान के लिए "गोल्डिलॉक्स" ज़ोन (Goldilocks Zone)
यह परीक्षण हर जोड़ी के लिए काम नहीं करता है। यह केवल तभी काम करता है जब दोनों ब्लैक होल एक-दूसरे से बहुत भिन्न हों।

उपमा: फिर से उन दो ड्रमरों की कल्पना करें।
- यदि ड्रमर A और ड्रमर B बिल्कुल एक ही गति से बजाते हैं, तो उनकी संयुक्त ध्वनि बस एक तेज़, अजीब ड्रमर जैसी लगेगी। परीक्षण विफल हो जाता है।
- सफलता की स्थिति: परीक्षण तब सबसे अच्छा काम करता है जब एक ड्रमर बहुत धीमा हो और दूसरा बहुत तेज़ (अलग-अलग "डैम्पिंग टाइमस्केल्स"), लेकिन वे समान बल (समान "एम्प्लीट्यूड") के साथ प्रहार कर रहे हों।
- अनुवाद: दोनों ब्लैक होल के द्रव्यमान या चमक के स्तर बहुत भिन्न होने चाहिए, लेकिन उनकी टिमटिमाहट की तीव्रता (flickering intensity) कुछ हद तक समान होनी चाहिए।

3. सफलता दर
"गोल्डिलॉक्स" ज़ोन में भी, यह कठिन है।

जिन सभी जोड़ियों को सिम्युलेट किया गया था जिन्हें पाया जाना चाहिए था, उनमें से विधि ने केवल लगभग 14% (पूर्ण डेटा में) से 8% (वास्तविक, अंतराल-युक्त डेटा में) को सफलतापूर्वक पहचाना।
इतनी कम क्यों? क्योंकि ब्रह्मांड शोर भरा है, और दो ब्लैक होल का "हस्ताक्षर" अक्सर एक की यादृच्छिकता (randomness) द्वारा छिप जाता है।

4. समय मायने रखता है
आप जितना अधिक समय तक देखते हैं, संभावना उतनी ही बेहतर होती है।

यदि आप 10 वर्षों तक देखते हैं (जैसा कि आगामी वेरा रुबिन ऑब्जर्वेटरी करेगा), तो आपके पास जोड़ी की अनूठी लय को पहचानने का बेहतर मौका होता है।
यदि आप केवल 3 वर्ष देखते हैं, तो "गोल्डिलॉक्स" ज़ोन सिकुड़ जाता है, और उन्हें अलग करना बहुत कठिन हो जाता है।

यह क्यों महत्वपूर्ण है?

इन जोड़ियों को खोजना ब्रह्मांड को समझने के लिए महत्वपूर्ण है।

"लुप्त कड़ी" (The Missing Link): हम जानते हैं कि आकाशगंगाएँ मिलती हैं, और हम जानते हैं कि ब्लैक होल अंततः एक साथ टकराकर गुरुत्वाकर्षण तरंगें (स्पेस-टाइम की लहरें) पैदा करते हैं। लेकिन हम उस "मध्य चरण" को बहुत कम देखते हैं जहाँ वे एक-दूसरे की परिक्रमा कर रहे होते हैं लेकिन अभी तक टकराए नहीं होते हैं।
भविष्य: यह विधि खगोलविदों को वेरा रुबिन ऑब्जर्वेटरी जैसे टेलीस्कोपों से आने वाले विशाल डेटा का उपयोग करके इन मायावी जोड़ियों को खोजने का एक नया तरीका देती है। यह घास के ढेर में सुई खोजने जैसा है, लेकिन सुई को देखने के बजाय, आप दो सुइयों के एक साथ कंपन करने की विशिष्ट ध्वनि को सुन रहे हैं।

सारांश

लेखकों ने ब्लैक होल की "टिमटिमाती रोशनी" को सुनने के लिए एक स्मार्ट सांख्यिकीय परीक्षण बनाया है। उन्होंने पाया कि हालांकि एक के रूप में छिपे हुए ब्लैक होल की जोड़ी को पहचानना कठिन है, लेकिन यह संभव है यदि दोनों ब्लैक होल आकार और लय में बहुत भिन्न हों। यह विधि बहुत सटीक है (बहुत कम गलतियाँ करती है) लेकिन इसके लिए लंबे अवलोकन समय और विशिष्ट स्थितियों की आवश्यकता होती है। यह भविष्य के ब्रह्मांडीय नृत्य साथियों को खोजने के लिए खगोल विज्ञान के टूलबॉक्स में एक नया उपकरण है।

यहाँ Bertassi et al. के शोध पत्र "Searching for unresolved massive black hole pairs through AGN photometric variability" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

गैलेक्सी निर्माण का पदानुक्रमित मॉडल (hierarchical model) यह भविष्यवाणी करता है कि गैलेक्सी विलय (galaxy mergers) के बाद विशाल ब्लैक होल जोड़े (MBHPs) और बाइनरी (MBHBs) बनते हैं। जबकि क्लोज बाइनरी (अलगाव $< 0.001$ pc) को अक्सर लाइट कर्व्स में अर्ध-आवधिक दोलनों (QPOs) के माध्यम से खोजा जाता है, ये विधियाँ उन प्रणालियों के लिए विफल रहती हैं जिनका अलगाव अधिक होता है (लगभग $\sim$ kpc स्केल तक), जहाँ कक्षीय अवधि (orbital periods) वर्तमान अवलोकन अभियानों की अवधि से अधिक होती है।

वर्तमान सर्वेक्षण (जैसे LSST, ZTF) एक्टिव गैलेक्टिक न्यूक्लिआई (AGN) के लिए विशाल फोटोमेट्रिक डेटा उत्पन्न करते हैं। AGN लाइट कर्व्स स्वाभाविक रूप से परिवर्तनशील होते हैं, जिन्हें आमतौर पर डैम्प्ड रैंडम वॉक (DRW) या रेड नॉइज़ के रूप में मॉडल किया जाता है। मुख्य समस्या जिसका समाधान किया गया है वह यह है: क्या हम समय-डोमेन विश्लेषण (time-domain analysis) का उपयोग करके एक स्थानिक रूप से अनरिजोल्व (unresolved) जोड़े के फोटोट्रमिक सिग्नेचर (दो स्वतंत्र DRW) को एक एकल AGN (एक DRW) से अलग कर सकते हैं?

2. कार्यप्रणाली (Methodology)

लेखक एक एकल विशाल ब्लैक होल (MBH) और एक अनरिजोल्व ब्लैक होल डुओ (UBHD) के बीच अंतर करने के लिए एक पूर्णतः बेयसियन (fully Bayesian) समय-डोमेन विश्लेषण का प्रस्ताव करते हैं।

शोर मॉडलिंग (Noise Modeling):
- एकल MBH: इसे एक एकल DRW प्रक्रिया के रूप में मॉडल किया गया है जिसमें डैम्पिंग टाइमस्केल $\tau$ और परिवर्तनशीलता आयाम (variability amplitude) $\hat{\sigma}$ है। पावर स्पेक्ट्रल डेंसिटी (PSD) एक लोरेन्त्ज़ियन (Lorentzian) आकार का अनुसरण करती है।
- UBHD: इसे दो स्वतंत्र, असंबद्ध DRW प्रक्रियाओं के योग के रूप में मॉडल किया गया है। परिणामी PSD दो लोरेन्त्ज़ियन का योग है, जो दो सेट मापदंडों ( $\tau_1, \hat{\sigma}_1$ और $\tau_2, \hat{\sigma}_2$ ) द्वारा अभिलक्षित है।
डेटा जनरेशन (Data Generation):
- मॉक लाइट कर्व्स को celerite पैकेज (गाऊसी प्रक्रियाएं) का उपयोग करके बनाया गया था।
- परिदृश्य (Scenarios): दोनों समान रूप से नमूना लिए गए (3-दिवसीय अंतराल, आदर्श LSST कवरेज का अनुकरण) और असमान रूप से नमूना लिए गए (मौसमी अंतराल शामिल करते हुए, वास्तविक ज़मीनी सर्वेक्षणों का अनुकरण) लाइट कर्व्स बनाए गए।
- बेसलाइन: सिमुलेशन ने 3, 6 और 10-वर्षीय बेसलाइन को कवर किया।
पैरामीटर अनुमान और मॉडल चयन (Parameter Estimation & Model Selection):
- नेस्टेड सैंपलिंग (Nested Sampling): लेखकों ने एकल-DRW और डबल-DRW मॉडलों के लिए बेयसियन एविडेंस ( $Z$ ) की गणना करने के लिए Raynest एल्गोरिदम का उपयोग किया। यह 'नजेंस पैरामीटर्स' (nuisance parameters) पर मार्जिनलाइजेशन करने और मजबूत मॉडल तुलना करने की अनुमति देता है।
- बेयस फैक्टर ( $B$ ): एविडेंस का अनुपात ( $B_{pair,sing} = Z_{UBHD} / Z_{single}$ ) निकाला गया। एक उम्मीदवार UBHD की पहचान करने के लिए $B > 3$ (जेफ्री स्केल के अनुसार "पर्याप्त साक्ष्य") का थ्रेशोल्ड निर्धारित किया गया।
- प्रायर्स (Priors): डैम्पिंग टाइमस्केल्स ( $10 < \tau < 500$ दिन) और वेरिएंस ( $\hat{\sigma}^2$ ) के लिए लॉग-यूनिफॉर्म प्रायर्स का उपयोग किया गया, जिससे यह सुनिश्चित हुआ कि विश्लेषण विशिष्ट द्रव्यमान-दीप्ति संबंधों के प्रति निष्पक्ष (agnostic) रहे।

3. मुख्य योगदान (Key Contributions)

नई पहचान विधि: विशेष रूप से अनरिजोल्व MBH जोड़ों के लिए एक फोटोट्रमिक परीक्षण का परिचय, जो उन पृथक्करणों के लिए डिज़ाइन किया गया है जो आवधिकता खोजों (periodicity searches) के लिए बहुत बड़े हैं लेकिन स्थानिक रिज़ॉल्यूशन (जैसे $>0.01$ pc लेकिन $z \approx 1$ पर $<5$ kpc) के लिए बहुत छोटे हैं।
मजबूत सांख्यिकीय ढांचा: एकल बनाम डबल DRW मॉडलों की तुलना करने के लिए एक पूर्णतः बेयसियन नेस्टेड सैंपलिंग दृष्टिकोण का कार्यान्वयन, जो असमान सैंपलिंग के साथ संघर्ष करने वाली पीरियडोग्राम-आधारित विधियों की सीमाओं से बचता है।
फॉल्स पॉजिटिव क्वांटिफिकेशन: एकल AGN लाइट कर्व्स के UBHD के रूप में गलत पहचाने जाने की दर का कठोर गणना।
पैरामीटर स्पेस मैपिंग: उस विशिष्ट पैरामीटर स्पेस क्षेत्र की पहचान जहाँ डिटेक्शन संभव है (दो प्रक्रियाओं के अनुपात और आयाम)।

4. मुख्य परिणाम (Key Results)

A. फॉल्स पॉजिटिव रेट (Robustness)

यह विधि गलत अलार्म के विरुद्ध अत्यधिक मजबूत है:

समान रूप से नमूना लिए गए: 0.2% एकल MBH लाइट कर्व्स को गलत तरीके से UBHD के रूप में पहचाना गया ( $B > 3$ )।
असमान रूप से नमूना लिए गए: 0.59% फॉल्स पॉजिटिव रेट।
निष्कर्ष: सिग्नेचर अद्वितीय है; विशिष्ट AGN परिवर्तनशीलता शायद ही कभी डबल DRW संरचना की नकल करती है।

B. पैरामीटर रिकवरी सटीकता (Parameter Recovery Accuracy)

सत्य रूप से इंजेक्ट किए गए मापदंडों ( $\tau, \hat{\sigma}$ ) को पुनः प्राप्त करने की क्षमता विभिन्न परिदृश्यों के आधार पर भिन्न होती है:

एकल MBH: उच्च सटीकता। लगभग 51% समान रूप से नमूना लिए गए और लगभग 51% असमान रूप से नमूना लिए गए लाइट कर्व्स के सभी पैरामीटर सत्य मानों के 20% के भीतर रिकवर हुए।
UBHD (सामान्य): डिजेनेरेसी (degeneracy) के कारण कम सटीकता। केवल ~7% (समान) और ~5% (असमान) सिम्युलेटेड जोड़े ही सभी मापदंडों को 20% के भीतर रिकवर कर पाए।
UBHD (सही ढंग से पहचाना गया): उन मामलों को प्रतिबंधित करने पर जब परीक्षण ने सफलतापूर्वक जोड़े की पहचान की (बेयस फैक्टर > 3):
- समान रूप से नमूना लिए गए: ~14.3% मामलों में पैरामीटर 20% के भीतर थे।
- असमान रूप से नमूना लिए गए: ~8.3% मामलों में पैरामीटर 20% के भीतर थे।

C. डिटेक्टेबिलिटी स्थितियाँ (Detectability Conditions)

परीक्षण केवल पैरामीटर स्पेस के एक विशिष्ट क्षेत्र में प्रभावी है जो दो प्रक्रियाओं के अनुपात द्वारा परिभाषित है:

टाइमस्केल अनुपात ( $q_\tau = \tau_2 / \tau_1$ ): डैम्पिंग टाइमस्केल्स बहुत अलग होने चाहिए। डिटेक्शन केवल तभी संभव है जब $q_\tau \lesssim 0.2$ $q_{τ} ≲ 0.2$ हो।
- भौतिक निहितार्थ: दोनों ब्लैक होल के द्रव्यमान या दीप्ति (luminosity) में महत्वपूर्ण अंतर होना चाहिए (चूंकि $\tau$ , द्रव्यमान/दीप्ति से सह-संबंधित है)।
एम्प्लीट्यूड अनुपात ( $q_\sigma = \sigma_2 / \sigma_1$ ): परिवर्तनशीलता आयाम समान होने चाहिए। डिटेक्शन के लिए $q_\sigma \gtrsim 0.2$ की आवश्यकता है।
बेसलाइन का प्रभाव: अवलोकन बेसलाइन को छोटा करने पर (जैसे 10 वर्ष से 3 वर्ष तक), पता लगाने योग्य क्षेत्र सिकुड़ जाता है, जिससे डेटा की कमी की भरपाई के लिए और भी बड़े आयाम अनुपात ( $q_\sigma$ ) की आवश्यकता होती है।

D. PSD का विज़ुअलाइज़ेशन

डिटेक्शन PSD के आकार पर निर्भर करता है। एक UBHD की पहचान तब की जाती है जब PSD में दो स्पष्ट "ब्रेक्स" (plateaus) दिखाई देते हैं, जो दो अलग-अलग डैम्पिंग टाइमस्केल्स के अनुरूप होते हैं। यदि टाइमस्केल्स बहुत समान हैं, तो PSD एक एकल DRW की तरह दिखता है, जिससे जोड़ा अविभेद्य हो जाता है।

5. महत्व और निहितार्थ (Significance and Implications)

सर्वेक्षण क्षमता: यह विधि आगामी बड़े पैमाने के समय-डोमेन सर्वेक्षणों जैसे कि वेरा रुबिन वेधशाला (LSST) के लिए विशेष रूप से उपयुक्त है, जो 10-वर्षीय बेसलाइन के साथ असमान सैंपलिंग प्रदान करेगी। यह उन वाइड-सेपरेशन MBH जोड़ों की एक बड़ी आबादी को प्रकट कर सकती है जो अन्य तरीकों के लिए अदृश्य हैं।
पूरकता: यह स्थानिक रूप से रिजोल्व्ड ड्यूल AGN खोजों (kpc स्केल) और आवधिक बाइनरी खोजों (सब-पार्सेक स्केल) के बीच के अंतर को भरता है, उस "मध्यवर्ती" क्षेत्र को कवर करता है जहाँ डायनेमिकल फ्रिक्शन सक्रिय है लेकिन कक्षीय अवधि अवधिता (periodicity) पहचान के लिए बहुत लंबी है।
फॉलो-अप रणनीति: यह शोध पत्र पुष्टि के लिए एक मार्ग बताता है: इस फोटोट्रमिक परीक्षण द्वारा पहचाने गए उम्मीदवारों का उच्च-रिज़ॉल्यूशन इमेजिंग (स्थानिक अलगाव की जाँच के लिए) और स्पेक्ट्रोस्कोपी (दोल ब्रॉड एमिशन लाइन्स या रिवर्बरेशन मैपिंग हस्ताक्षरों को देखने के लिए) के साथ फॉलो-अप किया जाना चाहिए।
सीमाएँ और भविष्य का कार्य: यह विधि मानती है कि AGN परिवर्तनशीलता सख्ती से DRW है। यदि AGN Damped Harmonic Oscillator (DHO) मॉडल का पालन करते हैं, तो परिणाम भिन्न हो सकते हैं। इसके अतिरिक्त, यह विधि बिना स्पेक्ट्रोस्कोपिक फॉलो-अप के, एक भौतिक जोड़े और दृष्टि रेखा (line of sight) के साथ दो AGN के संयोगपूर्ण सुपरपोजिशन के बीच अंतर नहीं कर सकती है।

संक्षेप में, यह शोध पत्र प्रदर्शित करता है कि हालांकि अनरिजोल्व्ड MBH जोड़ों का पता लगाना सांख्यिकीय रूप से चुनौतीपूर्ण है, लेकिन फोटोट्रमिक परिवर्तनशीलता का बेयसियन विश्लेषण उन्हें सफलतापूर्वक पहचान सकता है यदि दोनों ब्लैक होल के द्रव्यमान (टाइमस्केल्स) पर्याप्त रूप से भिन्न हों और उनकी चमक तुलनीय हो, जो मल्टी-मैसेंजर एस्ट्रोफिजिक्स के लिए एक नया मार्ग प्रदान करता है।