🔭 astrophysics

CMB lensing imprints of cosmic voids in DESI Legacy Survey DR9 LRGs with photometric redshift calibration

एक सूक्ष्म रूप से कैलिब्रेटेड DESI लेगेसी सर्वे DR9 LRG नमूने और प्लैंक 2018 लेंसिंग डेटा का उपयोग करते हुए, यह अध्ययन कॉस्मिक वॉइड्स से CMB लेंसिंग इम्पप्रिंट्स का एक रिकॉर्ड 17σ डिटेक्शन प्राप्त करता है जो पूरी तरह से $\Lambda$ CDM भविष्यवाणियों के अनुरूप है, जिससे कठोर व्यवस्थित नियंत्रण के माध्यम से पूर्व में रिपोर्ट किए गए "लेंसिंग-इज-लो" तनाव को हल किया गया है।

मूल लेखक: Simone Sartori

प्रकाशित 2026-05-20

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Simone Sartori

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

ब्रह्मांड की कल्पना एक विशाल, तीन-आयामी स्पंज के रूप में करें। स्पंज का अधिकांश हिस्सा "चीजों" (आकाशगंगाओं और डार्क मैटर) से बना है, लेकिन इसके भीतर विशाल, खाली छेद भी हैं जिन्हें कॉस्मिक वॉइड्स (cosmic voids) कहा जाता है।

यह शोधपत्र इन खाली छेदों और ब्रह्मांड के सबसे पुराने प्रकाश: कॉस्मिक माइक्रोवेव बैकग्राउंड (CMB) के बीच के एक वैज्ञानिक जासूसी किस्से के बारे में है। CMB को पूरे आकाश में फैले एक विशाल, प्राचीन वॉलपेपर की तरह समझें।

यहाँ शोधकर्ताओं ने जो पाया है, उसका सरल विवरण दिया गया है:

रहस्य: "बहुत कमजोर" संकेत

कुछ समय से, वैज्ञानिक यह देखने की कोशिश कर रहे हैं कि ये कॉस्मिक वॉइड्स उस प्राचीन वॉलपेपर को कैसे प्रभावित करते हैं। हमारे ब्रह्मांड के सबसे अच्छे सिद्धांत (जिसे ΛCDM कहा जाता है) के अनुसार, खाली वॉइड्स को एक अपसारी लेंस (diverging lens) की तरह काम करना चाहिए। यदि आप किसी वॉइड के माध्यम से देखते हैं, तो उसके पीछे का वॉलपेपर थोड़ा फैला हुआ या "डिमैग्निफाइड" (demagnified) दिखना चाहिए।

हालाँकि, हाल के अध्ययनों में एक बाधा आई। जब उन्होंने वास्तविक डेटा को देखा, तो खिंचाव का प्रभाव उतना ही कम था जितना कि सिद्धांत ने भविष्यवाणी की थी। यह एक फनहाउस मिरर (funhouse mirror) को देखने जैसा था जो छवि को उतना विकृत नहीं कर रहा था जितना कि निर्देशों में बताया गया था। वैज्ञानिकों ने इसे "लेंसिंग-इज़-लो" (lensing-is-low) टेंशन कहा। वे चिंतित थे: क्या हमारे ब्रह्मांड का सिद्धांत गलत है? या क्या कुछ और हमारी माप में गड़बड़ी कर रहा है?

जांच: एक बेहतर मानचित्र और एक बेहतर दर्पण

लेखक, सिमोन सार्टोरी ने इस रहस्य को सुलझाने के लिए DESI लेगेसी सर्वे से प्राप्त एक विशाल नए डेटासेट का उपयोग करने का निर्णय लिया। कल्पना कीजिए कि यह 10 मिलियन लाल आकाशगंगाओं (वे "ट्रेसर" आकाशगंगाएं जो हमें वॉइड खोजने में मदद करती हैं) का एक सुपर-हाई-डेफिनिशन मानचित्र है।

इस रहस्य को सुलझाने के लिए, टीम ने केवल वास्तविक डेटा को नहीं देखा; उन्होंने तुलना करने के लिए एक पूरी तरह से मेल खाता हुआ सिमुलेशन (एक "मॉक" ब्रह्मांड) भी बनाया।

यहाँ चतुर हिस्सा है:

कैलिब्रेशन (अंशांकन): पिछले अध्ययनों में वास्तविक डेटा की तुलना ऐसे सिमुलेशन से की गई होगी जो आकाशगंगाओं की स्थिति और दूरियों को संभालने के तरीके में थोड़ा "अलग" था। यह एक वाइड-एंगल लेंस से ली गई फोटो की तुलना टेलीफोटो लेंस से ली गई फोटो से करने जैसा है और यह उम्मीद करना कि वे बिल्कुल एक जैसी दिखेंगी।
सुधार: इस टीम ने सिमुलेशन को "ट्यून" करने के लिए एक मिलियन से अधिक वास्तविक स्पेक्ट्रोस्कोपिक मापों (अत्यधिक सटीक दूरी रीडिंग) का उपयोग किया। इस टीम ने सिमुलेशन को इस तरह समायोजित किया कि नकली ब्रह्मांड के "छेद" का आकार, आकृति और वितरण त्रुटियां वास्तविक ब्रह्मांड के छेदों के बिल्कुल समान हों। उन्होंने सिमुलेशन को वास्तविकता का एक आदर्श जुड़वां बना दिया।

प्रयोग: संकेतों को स्टैक करना (Stacking the Signals)

क्योंकि एक अकेला वॉइड स्पष्ट रूप से देखने के लिए बहुत छोटा होता है (यह तूफान के बीच एक फुसफुसाहट सुनने की कोशिश करने जैसा है), टीम ने स्टैकिंग (stacking) नामक तकनीक का उपयोग किया।

कल्पना कीजिए कि आपके पास 140,000 फुसफुसाहटें (वॉइड्स) हैं। आप एक को नहीं सुन सकते, लेकिन यदि आप उन सभी को पूरी तरह से एक पंक्ति में व्यवस्थित करें और उन्हें एक साथ चलाएं, तो आप संयुक्त ध्वनि को स्पष्ट रूप से सुन सकते हैं।
उन्होंने अपने मानचित्र से सभी 140,000 वॉइड्स को एक पंक्ति में लगाया और उनके पीछे के CMB वॉलपेपर को देखा।

उन्होंने वॉइड्स को उनके "व्यक्तित्व" के आधार पर दो समूहों में भी बांटा:

वॉइड-इन-वॉइड्स (Void-in-Voids): बड़े, अकेले खाली स्थान जो अन्य खाली स्थानों से घिरे हुए हैं।
वॉइड-इन-क्लाउड्स (Void-in-Clouds): छोटे खाली स्थान जो आकाशगंगाओं के घने समूहों के भीतर फंसे हुए हैं।

परिणाम: रहस्य सुलझ गया

जब उन्होंने अपने पूरी तरह से ट्यून किए गए सिमुलेशन के साथ अपने वास्तविक डेटा की तुलना की, तो "लेंसिंग-इज़-लो" टेंशन गायब हो गया।

मिलान: वास्तविक ब्रह्मांड में जो खिंचाव का प्रभाव देखा गया, वह सिमुलेशन के साथ लगभग पूरी तरह से मेल खाता था।
स्कोर: उन्होंने 1.016 का "एम्प्लीट्यूड" (amplitude) मापा। चूंकि सिद्धांत ठीक 1.0 की भविष्यवाणी करता है, इसलिए यह एक लगभग पूर्ण मिलान है।
विश्वास: वे अपने इस परिणाम को लेकर इतने आश्वस्त थे कि उन्होंने 17 सिग्मा की सांख्यिकीय सार्थकता (statistical significance) हासिल की। विज्ञान की दुनिया में, किसी खोज का दावा करने के लिए 5 सिग्मा पर्याप्त होता है; 17 सिग्मा एक साल तक हर दिन लॉटरी जीतने जैसा है। यह एक अविश्वसनीय रूप से मजबूत संकेत है।

निष्कर्ष

शोधपत्र यह निष्कर्ष निकालता है कि ब्रह्मांड बिल्कुल वैसा ही व्यवहार कर रहा है जैसा हमारा मानक सिद्धांत (ΛCDM) भविष्यवाणी करता है। पिछला "कमजोर संकेत" वाला समस्या इसलिए नहीं थी कि सिद्धांत गलत था; बल्कि इसलिए थी क्योंकि तुलना के लिए उपयोग किए गए सिमुलेशन सही ढंग से कैलिब्रेट नहीं किए गए थे।

वास्तविक डेटा के एक विशाल हिस्से का उपयोग करके सिमुलेशन को ठीक करके, शोधकर्ताओं ने दिखाया कि "शोर" वास्तव में केवल उनके द्वारा उपयोग किए जाने वाले उपकरणों में एक बेमेल (mismatch) था। एक बार जब उपकरण संरेखित हो गए, तो ब्रह्मांड का व्यवहार पूरी तरह से सामान्य हो गया।

संक्षेप में: कॉस्मिक वॉइड्स बिल्कुल वैसा ही कर रहे हैं जैसा उन्हें करना चाहिए। "ग्लिच" (खराबी) तुलना में था, ब्रह्मांड में नहीं।

तकनीकी सारांश: DESI लेगेसी सर्वे DR9 LRGs में कॉस्मिक वॉइड्स के CMB लेंसिंग प्रभाव

समस्या विवरण
कॉस्मिक वॉइड्स (cosmic voids) का कॉस्मिक माइक्रोवेव बैकग्राउंड (CMB) पर लेंसिंग प्रभाव $\Lambda$ CDM ब्रह्मांडीय मॉडल के परीक्षण के लिए एक महत्वपूर्ण जांच है। वॉइड्स डिमैग्निफिकेशन (demagnification) प्रभाव उत्पन्न करते हैं, जो लेंसिंग कन्वर्जेंस ( $\kappa$ ) मानचित्रों में एक ऋणात्मक संकेत बनाता है। हालांकि स्टैकिंग तकनीकों ने ऐतिहासिक रूप से उच्च-महत्वपूर्ण डिटेक्शन प्रदान किए हैं, हालिया साहित्य में एक निरंतर "लेंसिंग-लो-है" (lensing-is-low) तनाव की सूचना दी गई है, जहाँ देखे गए स्टैक्ड सिग्नल $\Lambda$ CDM मॉक भविष्यवाणियों से $\sim3\sigma$ तक विचलित होते हैं। यह विसंगति वॉइड पहचान रणनीतियों और ट्रेसर गैलेक्सी नमूनों के गुणों के प्रति अत्यधिक संवेदनशील है। इस कार्य में संबोधित केंद्रीय परिकल्पना यह है कि अवलोकन संबंधी डेटा और सिम्युलेटेड मॉक्स (mocks) के बीच अनियंत्रित बेमेल—विशेष रूप से विरलता (sparseness) और फोटोमेट्रिक रेडशिफ्ट ( $z_{phot}$ ) त्रुटि वितरण—छिपे हुए सिस्टमैटिक्स के रूप में कार्य कर सकते हैं जो मानक मॉडल के टूटने का आभास कराते हैं।

कार्यप्रणाली
इस तनाव की जांच करने के लिए, लेखकों ने DESI लेगेसी सर्वे डेटा रिलीज़ 9 (DR9) के ल्यूमिनस रेड गैलेक्सी (LRG) नमूने से पहचाने गए 3D कॉस्मिक वॉइड्स का विश्लेषण किया और उन्हें Planck 2018 CMB लेंसिंग कन्वर्जेंस मैप के साथ क्रॉस-कोरिलेट किया।

डेटा सेट: अध्ययन ने $\sim19,500$ deg $^2$ को कवर करने वाले DESI लेगेसी सर्वे के लगभग 10.4 मिलियन LRGs का उपयोग किया, जो $0.35 < z < 0.95$ की रेडशिफ्ट रेंज में हैं। इस डेटासेट को अंशांकन (calibration) उद्देश्यों के लिए प्रारंभिक DESI सर्वेक्षण चरणों से प्राप्त दस लाख से अधिक स्पेक्ट्रोस्कोपिक रेडशिफ्ट्स द्वारा पूरक किया गया था। CMB लेंसिंग अवलोकन योग्य एक पुनर्गठित $\kappa$ मैप था जिसे Planck 2018 से लिया गया था, जिसे छोटे पैमाने के शोर को कम करने के लिए एक गॉसियन फ़िल्टर (FWHM = $0.5^\circ$ ) के साथ स्मूथ किया गया था।
मॉक अंशांकन: इस कार्यप्रणाली का एक महत्वपूर्ण घटक Buzzard मॉक कैटलॉग का कठोर अंशांकन था। लेखकों ने देखे गए और सिम्युलेटेड ट्रेसर आबादी के बीच संरचनात्मक निरंतरता सुनिश्चित करने के लिए दो-चरणीय प्रक्रिया का उपयोग किया:
1. रेडशिफ्ट त्रुटि सुधार: मॉक फोटोमेट्रिक रेडशिफ्ट त्रुटि वितरण को दस लाख DESI स्पेक्ट्रा से प्राप्त $z_{spec} - z_{phot}$ वितरण को सैंपलिंग करके सुधारा गया था।
2. विरलता मिलान (Sparseness Matching): मॉक्स को रेडशिफ्ट बिन्स ( $\Delta z = 0.01$ ) में डाउनसैंपल किया गया ताकि उनकी संख्या घनत्व (number density) को देखे गए LRGs के अनुरूप बनाया जा सके।
  इस प्रक्रिया ने यह सुनिश्चित किया कि सिम्युलेटेड वॉइड्स वास्तविक डेटा के समान चयन प्रभावों और घनत्व प्रोफाइल के अधीन हों।
वॉइड पहचान और वर्गीकरण: REVOLVER एल्गोरिदम का उपयोग करके वॉइड्स की पहचान की गई, जो अंडरडेंस बेसिन को परिभाषित करने के लिए वोरोनोई टेसेलेशन (Voronoi tessellation) का उपयोग करता है। नमूने को $0.35 < z < 0.95$ $0.35 < z < 0.95$ तक सीमित रखा गया, जिससे 140,712 वॉइड्स प्राप्त हुए। विभिन्न बड़े पैमाने के वातावरणों से संकेतों को अलग करने के लिए, वॉइड्स को $\lambda_v$ $λ_{v}$ पैरामीटर (केंद्रीय गुरुत्वाकर्षण क्षमता का एक प्रॉक्सी) के आधार पर वर्गीकृत किया गया:
- वॉइड-इन-वॉइड्स (Void-in-voids): $\lambda_v < -5$ (अत्यधिक अंडरडेंस)
- ट्रांजिशन सैंपल (Transition sample): $-5 \le \lambda_v < 5$
- वॉइड-इन-क्लाउड्स (Void-in-clouds): $\lambda_v \ge 5$ (थोड़ा अंडरडेंस)
  टॉमोग्राफिक विश्लेषण को चार रेडशिफ्ट बिन्स ( $\Delta z = 0.15$ ) में विभाजित करके किया गया।
विश्लेषण: अध्ययन ने प्रत्येक वॉइड के लिए CMB कन्वर्जेंस पैचेस (साइड लेंथ $5R_v$ ) के स्टैक्ड रेडियल प्रोफाइल को मापा। एम्प्लिट्यूड पैरामीटर $A_\kappa$ को अंशांकित टेम्पलेट्स के विरुद्ध $\chi^2$ मिनिमाइजेशन के माध्यम से फिट किया गया, जिसमें एंडरसन-हार्टलैप फैक्टर द्वारा सुधारा गया इनवर्स कोवेरिएंस मैट्रिक्स का उपयोग किया गया।

प्रमुख योगदान और परिणाम
इस कार्य का प्राथमिक योगदान सटीक व्यवस्थित नियंत्रण के माध्यम से "लेंसिंग-लो-है" तनाव का समाधान करना है, न कि नई भौतिकी के माध्यम से।

डिटेक्शन सिग्निफिकेन्स: विश्लेषण ने इस श्रेणी के अध्ययन के लिए रिकॉर्ड डिटेक्शन सिग्निफिकेन्स प्राप्त किया। पूर्ण नमूने ने 14.06 का सिग्नल-टू-नॉइज़ अनुपात (S/N) दिया। वातावरण के आधार पर वर्गीकृत करने पर, S/N दोनों 'वॉइड-इन-वॉइड्स' ($16.94 $) और 'वॉइड-इन-क्लाउड्स' ($ 17.02 $) के लिए$ \sim17\sigma$ तक पहुँच गया।
एम्प्लिट्यूड माप: अध्ययन ने पूर्ण नमूने के लिए $A_\kappa = 1.016 \pm 0.054$ का एम्प्लिट्यूड पैरामीटर मापा। यह मान देखे गए और सिम्युलेटेड $\Lambda$ CDM टेम्पलेट्स के बीच पूर्ण सहमति को दर्शाता है।
रेडशिफ्ट विकास: टॉमोग्राफिक विश्लेषण ने पुष्टि की कि एम्प्लिट्यूड पैरामीटर पूरे रेडशिफ्ट रेंज ( $0.35 < z < 0.95$ ) में स्थिर और इकाई के करीब ( $A_\kappa \sim 1$ ) बना हुआ है, जो मानक सैद्धांतिक अपेक्षाओं के अनुरूप है।
सिस्टमैटिक समाधान: दस लाख से अधिक DESI स्पेक्ट्रा का उपयोग करके विरलता और $z_{phot}$ त्रुटि वितरणों को मिलाने के माध्यम से, लेखकों ने प्रदर्शित किया कि पहले रिपोर्ट किए गए तनाव संभवतः मॉक्स और अवलोकनों के बीच बेमेल के कारण उत्पन्न आर्टिफैक्ट्स थे।

महत्व
यह शोध निष्कर्ष निकालता है कि "लेंसिंग-लो-है" तनाव नई भौतिकी का संकेत नहीं है, बल्कि पिछले विश्लेषणों में अनियंत्रित सिस्टमैटिक्स का परिणाम है। यह कार्य सटीक व्यवस्थित नियंत्रण की आवश्यकता को रेखांकित करता है, विशेष रूप से वास्तविक डेटा के साथ विरलता और फोटोमेट्रिक रेडशिफ्ट त्रुटियों के मिलान के लिए मॉक कैटलॉग के अंशांकन में। इसके अलावा, यह स्थापित करता है कि वॉइड आबादी को उनके गुरुत्वाकर्षण क्षमता के आधार पर अलग करना डिटेक्शन सिग्निफिकेन्स को बढ़ाने और विभिन्न बड़े पैमाने के वातावरणों में वॉइड्स के विशिष्ट भौतिक हस्ताक्षरों को प्रकट करने के लिए आवश्यक है। यहाँ प्रस्तुत परिणाम, जो Sartori et al. (2025) द्वारा संक्षेपित हैं, कॉस्मिक वॉइड्स के CMB लेंसिंग का उपयोग करके $\Lambda$ CDM मॉडल के एक मजबूत सत्यापन प्रदान करते हैं।

रहस्य: "बहुत कमजोर" संकेत

जांच: एक बेहतर मानचित्र और एक बेहतर दर्पण

प्रयोग: संकेतों को स्टैक करना (Stacking the Signals)

परिणाम: रहस्य सुलझ गया

निष्कर्ष

इसी तरह के और पेपर