🔭 astrophysics

Strong Lensing Tomography: Double and pseudo multi-source plane strong gravitational lensing to constrain dark energy

यह शोध पत्र पारंपरिक डबल सोर्स प्लेन लेंसों की दुर्लभता और मास-शीट डिजनरेसी (Mass-Sheet Degeneracy) की सीमाओं को दूर करने के लिए सूडो डबल-सोर्स प्लेन लेंसों (PDSPLs)—जो स्व-समान डिफलेक्टर्स वाले स्वतंत्र सिंगल-सोर्स प्लेन लेंसों के जोड़े हैं—का उपयोग करने का प्रस्ताव देता है, जिससे आगामी LSST जैसे सर्वेक्षणों से डार्क एनर्जी पर बड़े पैमाने के सांख्यिकीय प्रतिबंध सक्षम हो सकें जो वर्तमान वीक लेंसिंग विश्लेषणों के प्रतिस्पर्धी हों।

मूल लेखक: Paras Sharma, Simon Birrer, Narayan Khadka, Timo Anguita, Adam Bolton, Sydney Erickson, Phil Holloway, Tian Li, Phil Marshall, Dieu D. Nguyen, Graham P. Smith, Crescenzo Tortora, Bryce Wedig, the Stro

प्रकाशित 2026-07-02

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Paras Sharma, Simon Birrer, Narayan Khadka, Timo Anguita, Adam Bolton, Sydney Erickson, Phil Holloway, Tian Li, Phil Marshall, Dieu D. Nguyen, Graham P. Smith, Crescenzo Tortora, Bryce Wedig, the Strong Lensing Science Collaboration, the LSST Dark Energy Science Collaboration

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

मुख्य विचार: अदृश्य ब्रह्मांड को तौलना

कल्पना कीजिए कि ब्रह्मांड एक विशाल, फैलता हुआ गुब्बारा है। वैज्ञानिक यह जानना चाहते हैं कि यह कितनी तेज़ी से फूल रहा है और इसे विस्तार देने के लिए क्या धक्का दे रहा है (एक रहस्यमय बल जिसे डार्क एनर्जी/Dark Energy कहा जाता है)।

आमतौर पर, इसे मापने के लिए, खगोलशास्त्री देखते हैं कि अंतरिक्ष से गुजरते समय प्रकाश कैसे मुड़ता है। इस मुड़ाव को ग्रेविटेशनल लेंसिंग (gravitational lensing) कहा जाता है। एक गैलेक्सी को अंतरिक्ष में रखी एक विशाल कांच की लेंस की तरह समझें। जब किसी दूर स्थित तारे का प्रकाश इसके पीछे से गुजरता है, तो गैलेक्सी का गुरुत्वाकर्षण प्रकाश को मोड़ देता है, जिससे वह एक आवर्धक लेंस (magnifying glass) की तरह काम करता है।

समस्या: "डबल सोर्स" की लॉटरी

लंबे समय से, इस पद्धति का उपयोग करके डार्क एनर्जी को मापने का सबसे अच्छा तरीका एक बहुत ही विशिष्ट, दुर्लभ ब्रह्मांडीय दुर्घटना को खोजना था जिसे डबल सोर्स प्लेन लेंस (DSPL) कहा जाता है।

उपमा: कल्पना कीजिए कि आपके पास एक अकेला आवर्धक लेंस (एक गैलेक्सी) है। आमतौर पर, आप उसके पीछे एक तारे की छवि देखते हैं। लेकिन एक DSPL में, आप भाग्यशाली होते हैं: उसी गैलेक्सी के पीछे दो तारे होते हैं, एक थोड़ा करीब और दूसरा बहुत दूर।
यह क्यों विशेष है: इससे यह गणना करने के लिए कि गैलेक्सी स्वयं कितनी दूर है, उसकी सटीक दूरी जानने की आवश्यकता नहीं होती, वैज्ञानिक यह देख सकते हैं कि गैलेक्सी पास वाले तारे के प्रकाश को दूर वाले तारे के मुकाबले कितना अधिक मोड़ती है। यह एक आदर्श ज्यामितीय चाल है।
चुनौती: एक ही गैलेक्सी के पीछे दो तारों का बिल्कुल सही संरेखण (alignment) मिलना ब्रह्मांडीय लॉटरी जीतने जैसा है। पूरे आकाश में ऐसे केवल कुछ ही मामले हैं। यह इतना दुर्लभ है कि इस पर एक ठोस विज्ञान खड़ा करना कठिन है।

नया विचार: "स्यूडो" (Pseudo) डबल लेंस

इस शोध पत्र के लेखक एक चतुर समाधान प्रस्तावित करते हैं। लॉटरी जीतने का इंतज़ार करने के बजाय, वे एक "स्यूडो डबल सोर्स प्लेन लेंस" (PDSPL) बनाने का सुझाव देते हैं।

उपमा: कल्पना कीजिए कि आपके पास हजारों समान दिखने वाले आवर्धकों (गैलेक्सियों) से भरा एक विशाल गोदाम है। आप एक ही कांच के पीछे दो तारे नहीं पा सकते, लेकिन आप दो अलग कांच पा सकते हैं जो लगभग एक जैसे दिखते हैं।
विधि:
1. गैलेक्सी A खोजें जिसके पीछे एक तारा है।
2. गैलेक्सी B (बहुत दूर) खोजें जिसके पीछे एक अलग तारा है।
3. जांचें कि क्या गैलेकी A और गैलेक्सी B "जुड़वा" हैं—यानी उनका आकार, चमक और द्रव्यमान एक जैसा है।
4. यदि वे जुड़वा हैं, तो आप मान सकते हैं कि वे एक ही लेंस हैं। आप गैलेक्सी A के पीछे के तारे की तुलना गैलेक्सी B के पीछे के तारे से करते हैं।
परिणाम: भले ही तारे अलग-अलग गैलेक्सियों के पीछे हों, क्योंकि गैलेक्सियाँ इतनी समान हैं, गणित लगभग वैसा ही काम करता है जैसे कि वे एक ही गैलेक्सी के पीछे हों। यह एक "दुर्लभ लॉटरी टिकट" को एक "सांख्यिकीय विज्ञान" में बदल देता है जो LSST जैसे नए टेलीस्कोपों से अपेक्षित लाखों लेंसों पर आधारित है।

बाधा: "मास-शीट" का कोहरा

लेंसिंग में एक पेचीदा समस्या होती है जिसे मास-शीट डिजेनेरेसी (Mass-Sheet Degeneracy - MSD) कहा जाता है।

उपमा: कल्पना कीजिए कि आप कांच के एक टुकड़े के माध्यम से एक पेंटिंग देख रहे हैं। यदि कोई कांच पर धुंध की एक हल्की, समान परत (एक "मास शीट") डाल देता है, तो पेंटिंग थोड़ी अलग दिखती है, लेकिन वस्तुओं के आकार नहीं बदलते। आप यह नहीं बता सकते कि पेंटिंग वास्तव में छोटी है या कोहरे ने उसे वैसा दिखाया है।
शोध पत्र का समाधान: लेखकों ने महसूस किया कि यदि आप इन "जुड़वा" गैलेक्सियों का उपयोग करने की कोशिश करते हैं, तो यह "कोहरा" (गैलेक्सी के सटीक द्रव्यमान के बारे में अनिश्चितता) आपके डार्क एनर्जी गणना को बिगाड़ सकता है। उन्होंने इस "कोहरे" को नियंत्रित करने के लिए एक नया गणितीय ढांचा विकसित किया। वे "कोहरे" को एक चर (variable) के रूप में देखते हैं जिसे वे केवल एक गैलेक्सी को देखने के बजाय, गैलेक्सियों की पूरी आबादी को देखकर माप और ठीक कर सकते हैं।

निष्कर्ष: बड़ा होना बेहतर है

टीम ने यह देखने के लिए बड़े कंप्यूटर सिमुलेशन चलाए कि आगामी LSST (एक विशाल टेलीस्कोप सर्वे) और 4MOST (एक स्पेक्ट्रोस्कोपिक सर्वे) के डेटा के साथ यह "स्यूडो" विधि कितनी अच्छी तरह काम करेगी।

गुणवत्ता से अधिक मात्रा: उन्होंने पाया कि "फोटोमेट्रिक" जोड़ों (कैमरे की बुनियादी तस्वीरों द्वारा मेल खाई गई गैलेक्सियाँ) की एक बड़ी संख्या का होना, "स्पेक्ट्रोस्कोपिक" जोड़ों (महंगे, उच्च-परिशुद्धता वाले लेजर माप द्वारा मेल खाई गई गैलेक्सियाँ) की एक छोटी संख्या से बेहतर है।
- क्यों? भले ही फोटो-मैच किए गए जोड़े व्यक्तिगत रूप से थोड़े कम सटीक हों, लेकिन उनकी भारी संख्या (80,000 से अधिक जोड़े!) छोटी त्रुटियों पर भारी पड़ती है। यह एक मिलियन थोड़े धुंधले फोटो होने जैसा है जो, जब एक साथ औसत निकाले जाते हैं, तो एक स्पष्ट तस्वीर देते हैं, बजाय केवल 50 एकदम सटीक फोटो के।
परिणाम:
- केवल LSST के फोटो डेटा का उपयोग करके, वे लगभग 0.45 की अनिश्चितता के साथ डार्क एनर्जी समीकरण को माप सकते हैं।
- यदि वे इसे अन्य ब्रह्मांडीय जांचों (जैसे कॉस्मिक माइक्रोवेव बैकग्राउंड) के मौजूदा डेटा के साथ मिलाते हैं, तो यह अनिश्चितता घटकर 0.29 हो जाती है।
- यह अन्य टीमों द्वारा उपयोग किए जाने वाले सर्वोत्तम वर्तमान तरीकों के बराबर है, जो यह सिद्ध करता है कि स्ट्रॉन्ग लेंसिंग डार्क एनर्जी को समझने में एक प्रमुख खिलाड़ी बन सकती है।

निष्कर्ष

यह शोध पत्र तर्क देता है कि हमें डार्क एनर्जी का अध्ययन करने के लिए दुर्लभ, पूर्ण ब्रह्मांडीय संरेखणों का इंतज़ार करने की ज़रूरत नहीं है। विशाल सर्वेक्षणों से हजारों समान दिखने वाली गैलेक्सियों को जोड़कर, हम स्ट्रॉन्ग ग्रेविटेशनल लेंसिंग को एक शक्तिशाली, सांख्यिकी-संचालित उपकरण में बदल सकते हैं। यह "भूसे के ढेर में सुई" खोजने से हटकर "सुई खोजने के लिए भूसे को गिनने" की ओर एक बदलाव है।

संक्षेप में: हम ब्रह्मांड को एक आदर्श डबल-लेंस लॉटरी टिकट देने का इंतज़ार नहीं कर सकते। इसके बजाय, हम डार्क एनर्जी के रहस्य को सुलझाने के लिए "लगभग-पूर्ण" जुड़वा लेंसों के एक विशाल डेक का उपयोग करेंगे।

तकनीकी सारांश: स्यूडो डबल-सोर्स प्लेन लेंसों के माध्यम से स्ट्रॉन्ग लेंसिंग टोमोग्राफी

समस्या विवरण
ग्रेविटेशनल लेंसिंग टोमोग्राफी ब्रह्मांड के विस्तार के इतिहास और डार्क एनर्जी इक्वेशन ऑफ स्टेट के लिए एक शक्तिशाली ज्यामितीय प्रोब (geometric probe) प्रदान करती है। हालांकि वीक लेंसिंग में यह अच्छी तरह से स्थापित है, स्ट्रॉन्ग लेंसिंग में इसका अनुप्रयोग पारंपरिक रूप से डबल सोर्स प्लेन लेंसों (DSPLs) पर निर्भर रहा है—ऐसे सिस्टम जहाँ एक एकल विवर्तक (deflector) दो अलग-अलग बैकग्राउंड स्रोतों को लेंस करता है। हालाँकि, वास्तविक DSPLs अत्यंत दुर्लभ हैं, जो उनके सांख्यिकीय उपयोगिता को सीमित करते हैं। इसके अतिरिक्त, वास्तविक DSPLs का मॉडलिंग "कंपाउंड लेंसिंग" (compound lensing) के कारण जटिल हो जाता है, जहाँ मध्यवर्ती स्रोत एक द्वितीयक विवर्तक के रूप में कार्य करता है, जो एक द्वितीयक मास-शीट डिजनरेसी (MSD) पेश करता है जिसे जटिल मल्टी-प्लेन रे ट्रेसिंग और काइनेमैटिक डेटा के बिना तोड़ना कठिन है। इसके अलावा, प्राथमिक MSD, जो सभी स्ट्रॉन्ग लेंसिंग मास मॉडलिंग में अंतर्निहित है, यदि इसे स्पष्ट रूप से मार्जिनलाइज (marginalize) या बाहरी डेटा द्वारा तोड़ा नहीं जाता है, तो कॉस्मोलॉजिकल बाधाओं (constraints) को गंभीर रूप से कम कर देता है।

कार्यप्रणाली
लेखक एक नवीन सांख्यिकीय ढांचे का प्रस्ताव करते हैं जिसे स्यूडो डबल-सोर्स प्लेन लेंस (PDSPLs) कहा जाता है। दुर्लभ, स्वाभाविक रूप से उत्पन्न होने वाले मल्टी-सोर्स संरेखणों की खोज करने के बजाय, PDSPLs को स्वतंत्र, सिंगल-सोर्स प्लेन लेंसों (गैलेक्सी-गैलेक्सी लेंस) को जोड़कर बनाया जाता है जिनके विवर्तक "स्व-समान" (self-similar) होते हैं (अर्थात, लगभग समान द्रव्यमान प्रोफाइल वाले)।

औपचारिकता (Formalism): शोध पत्र एकल और डबल सोर्स प्लेन दोनों के लिए मास-शीट ट्रांसफॉर्म (MST) के तहत आइंस्टीन रेडियस रेशियो ऑब्जर्वेबल ( $\beta_E$ ) के रूपांतरण को व्युत्पन्न करता है। यह प्रदर्शित करता है कि एक पावर-लॉ डेंसिटी प्रोफाइल के लिए, आइंस्टीन रेडियस का अनुपात कॉस्मोलॉजी, MST पैरामीटर ( $\lambda$ ), और पावर-लॉ स्लोप ( $\gamma_{pl}$ ) पर निर्भर करता है।
PDSPL निर्माण: दो स्वतंत्र, स्व-समान विवर्तकों वाले लेंसों को जोड़कर, यह सिस्टम मध्यवर्ती स्रोत द्रव्यमान के बिना एक DSPL की नकल करता है। यह "कंपाउंड लेंसिंग" प्रभाव और उससे जुड़ी द्वितीयक MSD को समाप्त करता है, जिससे प्रत्येक जोड़े के लिए सिंगल-प्लेन सन्निकटन (approximation) में मॉडलिंग सरल हो जाती है।
पेयरिंग रणनीति (Pairing Strategy): लेखक LSST 10-वर्षीय सर्वेक्षण से अपेक्षित $\sim 10^5$ गैलेक्सी-गैलेक्सी लेंसों की एक यथार्थवादी जनसंख्या उत्पन्न करने के लिए SLSim (स्ट्रॉन्ग-लेंसिंग सिमुलेशन) पाइपलाइन का उपयोग करते हैं। वे फोटोमेट्रिक ऑब्जर्वेबल्स (रेडशिफ्ट, प्रभावी त्रिज्या, फ्लक्स और रंग) के आधार पर विवर्तकों को जोड़ने के लिए एक $kD$-Tree एल्गोरिदम का उपयोग करते हैं। वे पेयरिंग स्कैटर (pairing scatter) में कमी को मापने के लिए स्पेक्ट्रोस्कोपिक रेडशिफ्ट और वेलोसिटी डिसपर्सन (4MOST फॉलो-अप का अनुकरण करते हुए) वाले उपसमुच्चयों का भी मूल्यांकन करते हैं।
पदानुक्रमित पूर्वानुमान (Hierarchical Forecasting): एक बेयसियन पदानुक्रमित ढांचे का उपयोग फ्लैट $w_0w_a$ CDM कॉस्मोलॉजी के भीतर डार्क एनर्जी इक्वेशन ऑफ स्टेट ( $w_0, w_a$ ) पर बाधाओं का पूर्वानुमान लगाने के लिए किया गया है। ढांचा विवर्तक जनसंख्या के आंतरिक स्कैटर (MSD पैरामीटर $\lambda_{MST}$ और स्लोप $\gamma_{pl}$ ) और पेयरिंग असिमिलरिटी (dissimilarity) को फिक्स्ड पैरामीटर के बजाय मार्जिनलाइज किए जाने वाले नयस (nuisance) पैरामीटर के रूप में मानता है।

प्रमुख योगदान

DSPL औपचारिकता का सामान्यीकरण: यह शोध पत्र एक सांख्यिकीय जनसंख्या के रूप में युग्मित सिंगल-सोर्स लेंसों के DSPL औपचारिकता का विस्तार करता है, जिससे स्ट्रॉन्ग लेंसिंग कॉस्मोलॉजी दुर्लभ घटनाओं की खोज से बदलकर LSST, Euclid और Roman से अपेक्षित $\sim 10^5$ लेंसों का उपयोग करने वाली सांख्यिकी-संचालित विज्ञान में परिवर्तित हो जाती है।
मध्यवर्ती स्रोत जटिलता का समाधान: PDSPL दृष्टिकोण को मध्यवर्ती स्रोत द्रव्यमान और संबद्ध द्वितीयक MSD से मुक्त बनाया गया है, जिससे महंगे मल्टी-प्लेन रे ट्रेसिंग की आवश्यकता समाप्त हो जाती है।
पेयरिंग नॉइज़ का परिमाणीकरण: लेखक एक "डिफ्लेक्टर डिसिमिलिटी पैरामीटर" ( $D_{deflector}$ ) को परिभाषित करते हैं और आइंस्टीन रेडियस रेशियो में परिणामी "नॉइज़ फ्लोर" ( $\sigma_{\beta_E, D}$ ) को मापते हैं। वे दिखाते हैं कि जबकि स्पेक्ट्रोस्कोपिक डेटा पेयरिंग फिडेलिटी में सुधार करता है, फोटोमेट्रिक डेटा का विशाल वॉल्यूम बेहतर सांख्यिकीय शक्ति प्रदान करता है।
डिजनरेसी का पदानुक्रमित उपचार: कार्य स्पष्ट रूप से MSD और मास प्रोफाइल स्कैटर को लाइकलीहुड फंक्शन में शामिल करता है, यह प्रदर्शित करते हुए कि पिछले DSPLs के निष्कर्ष जनसंख्या-स्तरीय अनिश्चितताओं को नजरअंदाज करके अत्यधिक आशावादी रहे होंगे।

परिणाम

फोटोमेट्रिक बनाम स्पेक्ट्रोस्कोपिक: LSST 10-वर्षीय फोटोमेट्रिक सैंपल ( $\sim 116,000$ लेंस, जिससे $\sim 86,000$ जोड़े मिलते हैं) सटीक स्पेक्ट्रोस्कोपिक फॉलो-अप वाले छोटे उपसमुच्चयों (जैसे 4MOST के $\sim 10,000$ लेंस) से बेहतर प्रदर्शन करता है। फोटोमेट्रिक सैंपल का विशाल सांख्यिकीय वॉल्यूम पेयरिंग में उच्च आंतरिक स्कैटर ( $\sim 18\%$ बनाम स्पेक्ट्रोस्कोपिक जोड़ों के लिए $\sim 8\%$ ) की भरपाई करता है।
कॉस्मोलॉजिकल बाधाएं (Constraints):
- अकेले LSST Y10 PDSPL सैंपल डार्क एनर्जी इक्वेशन ऑफ स्टेट पर $\sigma(w_0) \sim 0.45$ का प्रतिबंध प्राप्त करता है।
- जब इसे मैटर डेंसिटी ( $\Omega_m$ ) के बाहरी गौसियन प्रायर $N(0.3, 0.05)$ (CMB, BAO, या SNe Ia डेटा का अनुकरण करते हुए) के साथ जोड़ा जाता है, तो प्रतिबंध $\sigma(w_0) \sim 0.29$ तक कड़ा हो जाता है।
- यह सटीकता वर्तमान स्टेज III वीक लेंसिंग विश्लेषणों (जैसे DES Y3) के प्रतिस्पर्धी है।
DSPLs के साथ तुलना: 500 वास्तविक DSPLs (आदर्श स्थितियों को मानते हुए बिना मध्यवर्ती स्रोत द्रव्यमान के) के लिए एक पूर्वानुमान, $\Omega_m$ प्रायर के साथ काफी ढीले प्रतिबंध ( $\sigma(w_0) \sim 0.92$ ) प्रदान करता है, जो मास-शीट डिजनरेसी बॉटलनेक के कारण है। PDSPL विधि जनसंख्या-स्तर के स्व-कैलिब्रेशन के माध्यम से इस डिजनरेसी को प्रभावी ढंग से तोड़ती है।
पैरामीटर रिकवरी: पदानुक्रमित ढांचा आंतरिक मास-शीट पैरामीटर ( $\lambda_{MST}$ ) और पावर-लॉ स्लोप ( $\gamma_{pl}$ ) के जनसंख्या माध्य को $\sim 2\%$ सटीकता के साथ, उनके आंतरिक स्कैटर के साथ, सफलतापूर्वक रिकवर करता है।

महत्व
यह शोध पत्र दावा करता है कि PDSPL ढांचा स्ट्रॉन्ग लेंसिंग कॉस्मोलॉजी के लिए एक प्रतिमान परिवर्तन (paradigm shift) का प्रतिनिधित्व करता है। अगली पीढ़ी के सर्वेक्षणों (LSST, Euclid, Roman) से अपेक्षित विशाल सिंगल-सोर्स लेंस कैटलॉग का लाभ उठाकर, यह वास्तविक DSPLs की दुर्लभता और मॉडलिंग जटिलताओं को दूर करता है। यह विधि डार्क एनर्जी के लिए एक मजबूत, स्व-कैलिब्रेटिंग प्रोब प्रदान करती है जो स्थापित बड़े पैमाने की संरचना (large-scale structure) प्रोब्स के प्रतिस्पर्धी है। लेखक इस बात पर जोर देते हैं कि यह दृष्टिकोण पूरे सैंपल के लिए महंगी वेलोसिटी डिसपर्सन माप पर निर्भर नहीं है, जिससे यह LSST, Euclid और Roman के युग के लिए एक व्यवहार्य और स्केलेबल रणनीति बन जाती है। परिणाम बताते हैं कि सांख्यिकीय वॉल्यूम, प्रति-जोड़े सटीकता (per-pair precision) पर हावी है, जो उच्च-परिशुद्धता कॉस्मोलॉजिकल इन्फरेंस के लिए केवल फोटोमेट्रिक डेटा के उपयोग को मान्य करता है।