⚛️ general relativity

Disentangling modified gravity and galaxy bias with field-level inference

यह शोध पत्र एक फील्ड-स्तरीय अनुमान ढांचा प्रस्तुत करता है जो पूर्ण त्रि-आयामी गैलेक्सी वितरण का विश्लेषण करके संशोधित गुरुत्वाकर्षण और गैलेक्सी बायस मापदंडों को संयुक्त रूप से बाधित करता है, यह प्रदर्शित करते हुए कि गैर-गाऊसी और चरण (फेज) जानकारी का लाभ उठाना—विशेष रूप से कम घनत्व वाले क्षेत्रों से—पारंपरिक पावर-स्पेक्ट्रम विश्लेषणों में निहित विसंगतियों को महत्वपूर्ण रूप से समाप्त करता है।

मूल लेखक: Sophie Hoyland, Daniela Saadeh, Kazuya Koyama, Harry Desmond

प्रकाशित 2026-07-07

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Sophie Hoyland, Daniela Saadeh, Kazuya Koyama, Harry Desmond

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

कल्पना कीजिए कि ब्रह्मांड एक ओवन में फूलती हुई ब्रेड के एक विशाल, तीन-आयामी (3D) लोफ की तरह है। इस लोफ के अंदर, "आटा" डार्क मैटर है, और "किशमिश" आकाशगंगाएँ हैं। दशकों से, खगोलशास्त्री यह समझने की कोशिश कर रहे हैं कि यह ब्रेड कैसे फूलती है, इसके लिए वे किशमिश के बीच की औसत दूरी को देखते हैं। वे यह मापते हैं कि आटा कितना गांठदार (clumpy) है, लेकिन वे इस बात की विशिष्ट रेसिपी को छोड़ देते हैं कि किशमिश को कैसे व्यवस्थित किया गया है। वे केवल "गांठदार स्कोर" (clumpiness score) को देखते हैं, आटे के अनूठे आकार, घुमाव और मोड़ को अनदेखा कर देते हैं।

यह शोध पत्र ब्रह्मांड को देखने का एक नया तरीका पेश करता है: फील्ड-लेवल इन्फरेंस (FLI)। केवल औसत गांठदार होने को मापने के बजाय, FLI किशमिश के पूरे 3D मानचित्र को देखता है, जिससे उनके विशिष्ट विन्यास (arrangement) का हर सूक्ष्म विवरण सुरक्षित रहता है।

यहाँ इस पेपर में किए गए कार्यों का सरल उपमाओं के साथ विवरण दिया गया है:

1. समस्या: "आंखों पर पट्टी बांधा हुआ" जासूस

खगोलशास्त्री यह जानना चाहते हैं कि क्या गुरुत्वाकर्षण के नियम बिल्कुल वैसे ही काम करते हैं जैसा आइंस्टीन ने भविष्यवाणी की थी (जनरल रिलेटिविटी) या क्या उनमें थोड़ा बदलाव किया गया है (मॉडिफाइड ग्रेविटी)। वे यह भी जानना चाहते हैं कि किशमिश (आकाशगंगाओं) का आटे (डार्क मैटर) के प्रति "लगाव" या "चिपचिपाहट" (stickiness) कितनी है।

पुराना तरीका (पावर स्पेक्ट्रम): कल्पना कीजिए कि आप किसी गाने को केवल अलग-अलग आवृत्तियों (frequencies) पर उसके वॉल्यूम (आवाज के स्तर) से पहचानने की कोशिश कर रहे हैं। आप जानते हैं कि वह तेज है या धीमा, लेकिन आप उसकी धुन, बोल और लय को भूल जाते हैं। ब्रह्मांड में, यह विधि आकाशगंगाओं के वितरण के "वॉल्यूम" को तो मापती है, लेकिन "लय" (विशिष्ट आकार और फेज़/चरण) को फेंक देती है।
भ्रम (The Confusion): क्योंकि पुराना तरीका "लय" को फेंक देता है, इसलिए यह एक बड़ा भ्रम पैदा करता है। किशमिश की "चिपचिपाहट" (गैलेक्सी बायस) में बदलाव, गुरुत्वाकर्षण की रेसिपी (मॉडिफाइड ग्रेविटी) में बदलाव जैसा ही दिखता है। यह केक के मीठे होने का कारण बताने की कोशिश करने जैसा है—क्या यह अधिक चीनी के कारण है या अलग प्रकार के आटे के कारण—लेकिन आप केवल कुल मिठास को चख सकते हैं, बनावट (texture) को नहीं।

2. समाधान: "पूर्ण-मानचित्र" वाला जासूस

लेखकों ने एक नया उपकरण बनाया जो आकाशगंगाओं के पूरे 3D मानचित्र को देखता है, जिससे उनके विन्यास का हर विवरण सुरक्षित रहता है।

उपमा: केवल गाने के वॉल्यूम को सुनने के बजाय, FLI पूरी धुन और बोल सुनता है। यह कॉस्मिक वेब (ब्रह्मांडीय जाल) के विशिष्ट आकारों को देखता है: खाली स्थान (voids), पतले धागे (filaments), दीवारें और घने समूह।
परिणाम: "लय" (फूरियर फेज़) और "बनावट" (नॉन-गौसियन आकार) को बनाए रखकर, नया तरीका यह बता सकता है कि गुरुत्वाकर्षण में बदलाव हुआ है या आकाशगंगाओं की चिपचिपाहट में। यह उस भ्रम को तोड़ देता है जिसने पुराने तरीके को परेशान किया था।

3. उन्होंने इसका परीक्षण कैसे किया

चूंकि हम प्रयोगशाला में ब्रह्मांड नहीं चला सकते, इसलिए लेखकों ने एक आभासी ब्रह्मांड (सिमुलेशन) बनाया।

उन्होंने इस आभासी ब्रह्मांड के दो संस्करण बनाए: एक जहाँ गुरुत्वाकर्षण सामान्य रूप से काम करता है (जनरल रिलेटिविटी) और दूसरा जहाँ गुरुत्वाकर्षण खाली स्थानों में थोड़ा अधिक शक्तिशाली होता है (एक सिद्धांत जिसे $f(R)$ ग्रेविटी कहा जाता है)।
उन्होंने इन आभासी ब्रह्मांडों को आभासी आकाशगंगाओं से भरा, जिसमें एक जटिल नियम पुस्तिका (बायस मॉडल) का उपयोग किया गया था, जो यह तय करती है कि आटे के घनत्व के आधार पर आकाशगंगाएँ कहाँ बनती हैं।
फिर उन्होंने अपने नए "पूर्ण-मानचित्र" वाले जासूस टूल को इन सिमुलेशन पर चलाया और पुराने "औसत गांठदार" टूल के साथ तुलना की।

4. बड़ी खोज

परिणाम स्पष्ट थे:

पुराना टूल: दोनों गुरुत्वाकर्षण सिद्धांतों के बीच अंतर नहीं कर सका। यह एक "डीजेनेरेसी" (degeneracy) में फंस गया था, जिसका अर्थ है कि यह तय नहीं कर सका कि परिवर्तन गुरुत्वाकर्षण के कारण थे या आकाशगंगाओं की चिपचिपाहट के कारण।
नया टूल (FLI): दोनों गुरुत्वाकर्षण सिद्धांतों के बीच सफलतापूर्वक अंतर कर सका। इसने गुरुत्वाकर्षण की शक्ति और आकाशगंगाओं की चिपचिपाहट के बारे में बहुत सटीक और सुदृढ़ उत्तर दिए।

5. सुराग कहाँ छिपे थे?

लेखकों ने पूछा: नए टूल ने ब्रह्मांड में ठीक कहाँ सुराग पाए?

उन्होंने पाया कि खाली स्थान (voids) और उनके चारों ओर की पतली दीवारें सबसे महत्वपूर्ण थीं।
उपमा: कल्पना कीजिए कि आप यह समझने की कोशिश कर रहे हैं कि एक स्पंज पानी को कैसे सोखता है। पुराना तरीका पूरे स्पंज को देखता था। नए तरीके ने महसूस किया कि स्पंज के छेद (voids) आपको सबसे अधिक बताते हैं कि स्पंज कैसे काम करता है।
विशेष रूप से, इन खाली क्षेत्रों (जहाँ आमतौर पर 0 या 1 आकाशगंगा होती है) में आकाशगंगाओं की गिनती करने से भ्रम को तोड़ने में मदद मिली। यदि गुरुत्वाकर्षण अलग है, तो इन खाली छेदों में आकाशगंगाओं के बसने का तरीका एक विशिष्ट तरीके से बदल जाता है जिसे पुराना तरीका मिस कर गया था।

6. "गुप्त सामग्री": द फेज़ (Phase)

पेपर इस बात पर जोर देता है कि इस नए तरीके की सफलता का रहस्य फूरियर फेज़ (Fourier Phases) है।

उपमा: एक तस्वीर के बारे में सोचें। "एम्प्लीट्यूड" (amplitude) यह है कि पिक्सेल कितने चमकीले हैं। "फेज़" (phase) उन पिक्सेल का विशिष्ट विन्यास है जो एक छवि बनाता है।
पुराना तरीका केवल चमक (एम्प्लीट्यूड) को देखता था। नया तरीका विन्यास (फेज़) को देखता है।
लेखकों ने दिखाया कि यदि आप केवल विन्यास (चमक को अनदेखा करते हुए) को देखते हैं, तो भी आप गुरुत्वाकर्षण सिद्धांतों के बीच अंतर कर सकते हैं, हालांकि उतना अच्छा नहीं जितना दोनों को देखने से होता है। यह साबित करता है कि ब्रह्मांड का आकार ही गुरुत्वाकर्षण को समझने की कुंजी है।

सारांश

यह शोध पत्र यह प्रदर्शित करता है कि ब्रह्मांड के पूर्ण, विस्तृत 3D मानचित्र को देखकर—केवल डेटा का औसत निकालने के बजाय—वैज्ञानिक अंततः इस रहस्य को सुलझा सकते हैं कि क्या गुरुत्वाकर्षण बदल रहा है या आकाशगंगाएँ बस अलग व्यवहार कर रही हैं। यह स्पष्ट है कि ब्रह्मांड के खाली स्थान सबसे महत्वपूर्ण सुराग रखते हैं, और कॉस्मिक वेब का विशिष्ट आकार वह लापता हिस्सा है जिसे पिछले तरीकों ने छोड़ दिया था।

तकनीकी सारांश: फील्ड-लेवल इन्फरेंस के साथ मॉडिफाइड ग्रेविटी और गैलेक्सी बायस को अलग करना

समस्या विवरण
लार्ज-स्केल स्ट्रक्चर (LSS) के पारंपरिक कॉस्मोलॉजिकल विश्लेषण सारांश सांख्यिकी (summary statistics) पर निर्भर करते हैं, मुख्य रूप से पावर स्पेक्ट्रम ( $P(k)$ ) पर, जो तीन-आयामी पदार्थ वितरण को टू-प्वॉइंट सहसंबंधों (two-point correlations) में संकुचित कर देता है। गैर-गॉसियन प्रारंभिक स्थितियों (Gaussian initial conditions) के लिए प्रभावी होने के बावजूद, यह दृष्टिकोण गैर-रैखिक गुरुत्वाकर्षण विकास द्वारा उत्पन्न गैर-गॉसियन सूचना और फूरियर फेज सहसंबंधों (Fourier phase correlations) को त्याग देता है। सूचना का यह नुकसान मॉडिफाइड ग्रेविटी (MG) मापदंडों और गैलेक्सी बायस के बीच एक महत्वपूर्ण विसंगति (degeneracy) पैदा करता है। MG प्रभावों (जैसे कि $f(R)$ सिद्धांतों में 'फिफ्थ फोर्स') द्वारा संचालित बढ़ी हुई क्लस्टरिंग पावर को गैलेक्सी बायस मापदंडों में बदलाव द्वारा मिमिक (mimic) किया जा सकता है। फलस्वरूप, टू-प्वॉइंट सांख्यिकी जनरल रिलेटिविटी (GR) से विचलन और गैलेक्सी द्वारा अंतर्निहित डार्क मैटर वितरण को ट्रैक करने के तरीकों के बीच अंतर करने में संघर्ष करती है।

कार्यप्रणाली (Methodology)
लेखक इस सीमा को संबोधित करने के लिए एक फील्ड-लेवल इन्फरेंस (FLI) फ्रेमवर्क विकसित करते हैं, जो डेटा को संकुचित करने के बजाय सीधे तीन-आयामी गैलेक्सी संख्या गणना क्षेत्र ( $n_g$ ) पर बायेसियन लाइकलीहुड विश्लेषण करता है।

सैद्धांतिक ढांचा: अध्ययन हु-साविकी (Hu-Sawicki) $f(R)$ ग्रेविटी मॉडल का उपयोग करता है, जो पैरामीटर $f_{R0}$ द्वारा अभिलक्षित है, जो 'कैमेलियन स्क्रीनिंग' तंत्र पेश करता है। इसे एक गैर-रैखिक, स्थानीय-इन-डेंसिटी गैलेक्सी बायस मॉडल (Neyrinck et al. 2014) के साथ जोड़ा गया है जिसमें $\beta$ (प्राथमिक बायस), $\rho$ , और $\epsilon$ पैरामीटर शामिल हैं।
सिमुलेशन पाइपलाइन: गैर-रैखिक संरचना निर्माण को COLA (COmoving Lagrangian Acceleration) विधि का उपयोग करके मॉडल किया गया है, जिसे मॉडिफाइड ग्रेविटी के लिए विस्तारित (FML-COLA) किया गया है। पाइपलाइन डार्क मैटर ओवरडेंसिटी फील्ड्स ( $\delta_{DM}$ ) उत्पन्न करती है जिन्हें गैर-रैखिक बायस प्रिस्क्रिप्शन के माध्यम से मॉक गैलेक्सी कैटलॉग ( $n_g$ ) में मैप किया जाता है।
इन्फरेंस फ्रेमवर्क्स: लेखक दो अलग-अलग लाइकलीहुड दृष्टिकोणों की तुलना करते हैं:
1. पावर स्पेक्ट्रम विश्लेषण: शॉट-नॉइज़-सबट्रैक्टेड गैलेक्सी पावर स्पेक्ट्रम $P_g(k)$ पर लागू एक पारंपरिक गॉसियन लाइकलीहुड।
2. फील्ड-लेवल विश्लेषण: सीधे तीन-आयामी गैलेक्सी संख्या गणना क्षेत्र पर लागू एक वोक्सेल-दर-वोक्सेल पॉइसन (Poisson) लाइकलीहुड (और थ्रेशोल्ड किए गए डेटा के लिए एक ट्रंकेटेड पॉइसन लाइकलीहुड)। यह फूरियर एम्प्लीट्यूड और फेज दोनों को संरक्षित करता है।
पैरामीटर एस्टीमेशन: $\beta$ और $|f_{R0}|$ के पैरामीटर स्पेस में सैद्धांतिक भविष्यवाणियों का एक ग्रिड तैयार किया गया है। MCMC सैंपलिंग के लिए एक निरंतर लाइकलीहुड सरफेस बनाने के लिए एक लीनियर रेगुलर ग्रिड इंटरपोलेटर का उपयोग किया जाता है।
रोबस्टनेस चेक: पाइपलाइन का परीक्षण पॉइसन नॉइज़ रियलाइजेशन, प्रारंभिक स्थितियों (कॉस्मिक वेरिएंस), और डेटा थ्रेशोल्डिंग (कम काउंट वाले वोक्सेल्स को बाहर करना) के विविधताओं के विरुद्ध किया गया है।

प्रमुख योगदान और परिणाम
अध्ययन मॉक डेटा को दो परिदृश्यों में लागू करता है: एक GR फिडुशियल मॉडल ( $f_{R0}=0$ ) और एक $f(R)$ मॉडल जिसमें $|f_{R0}| = 10^{-6}$ (F6) है।

विसंगतियों को तोड़ना (Breaking Degeneracies): फील्ड-लेवल दृष्टिकोण पावर स्पेक्ट्रम विश्लेषणों में निहित $|f_{R0}|$ और $\beta$ के बीच की मजबूत विसंगति को सफलतापूर्वक तोड़ देता है।
- GR केस में, पावर स्पेक्ट्रम विश्लेषण 95% अपर लिमिट $\log_{10}|f_{R0}| < -5.698$ देता है, जबकि फील्ड-लेवल विश्लेषण इसे कड़ा करके $\log_{10}|f_{R0}| < -6.760$ कर देता है।
- F6 केस में, पावर स्पेक्ट्रम विश्लेषण एक विस्तृत, विसंगत पोस्टीरियर ( $\log_{10}|f_{R0}| = -6.223^{+1.032}_{-0.411}$ ) उत्पन्न करता है, जबकि फील्ड-लेवल विश्लेषण उच्च सटीकता के साथ वास्तविक मान को रिकवर करता है ( $\log_{10}|f_{R0}| = -5.958^{+0.100}_{-0.107}$ )।
- बायस पैरामीटर $\beta$ पर प्रतिबंध भी पावर स्पेक्ट्रम ( $\pm 0.004$ से $\pm 0.007$ ) की तुलना में फील्ड-लेवल विश्लेषण में काफी अधिक सटीक ( $\pm 0.003$ ) हैं।
फूरियर फेजेस की भूमिका: फूरियर फेजेस को अलग करके (एम्प्लीट्यूड को फिडुशियल मॉडल पर स्थिर रखते हुए), लेखक यह प्रदर्शित करते हैं कि केवल फेज सूचना ही एम्प्लीट्यूड-ओनली (पावर स्पेक्ट्रम) विश्लेषणों की तुलना में $|f_{R0}|$ पर बेहतर प्रतिबंध प्रदान करती है, हालांकि दोनों का संयोजन सबसे कड़े प्रतिबंध देता है। यह पुष्टि करता है कि कॉस्मिक वेब का रूपात्मक विन्यास (morphological configuration), जो फेजेस में एनकोडेड है, विशिष्ट ग्रेविटी सिग्नेचर ले जाता है जिसे बायस नहीं दोहरा सकता है।
कॉस्मिक एनवायरनमेंट संवेदनशीलता: कॉस्मिक वेब वर्गीकरण (वॉइड्स, वॉल्स, फिलामेंट्स, क्लस्टर्स) के माध्यम से, लेखक पहचानते हैं कि अंडर-डेंस क्षेत्र ग्रेविटी मॉडल्स को अलग करने के लिए प्राथमिक चालक हैं।
- एकल गैलेक्सी वाले वोक्सेल्स ( $n_{obs,g}=1$ ) बायस या ग्रेविटी की शक्ति में वृद्धि के प्रति अत्यधिक संवेदनशील होते हैं।
- महत्वपूर्ण रूप से, ये सूचनात्मक $n_{obs,g}=1$ वोक्सेल्स मुख्य रूप से अंतर्निहित डार्क मैटर फील्ड के वॉइड्स और वॉल्स के भीतर स्थित होते हैं।
- फील्ड-लेवल लाइकलीहुड इन वातावरणों के विशिष्ट स्थानिक व्यवस्था का लाभ उठाता है, जिसे टू-पॉइंट सांख्यिकी पकड़ने में विफल रहती है।
रोबस्टनेस: परिणाम 100 अलग-अलग पॉइसन नॉइज़ रियलाइजेशन और पांच अलग-अलग इनिशियल कंडीशन रियलाइजेशन में सुसंगत रहते हैं। विधि डेटा थ्रेशोल्डिंग के प्रति भी लचीलापन प्रदर्शित करती है; भले ही $n_{obs,g} < 5$ वाले वोक्सेल्स को बाहर कर दिया जाए, फील्ड-लेवल दृष्टिकोण महत्वपूर्ण प्रतिबंध लगाने की शक्ति बनाए रखता है, हालांकि कम घनत्व वाले क्षेत्रों से सूचना का लाभ आंशिक रूप से कम हो जाता है।

महत्व और दावे
यह पेपर दावा करता है कि फील्ड-लेवल इन्फरेंस गैलेक्सी वितरण की पूर्ण सूचना सामग्री का उपयोग करके अगली पीढ़ी के सर्वेक्षणों (जैसे DESI, Euclid, LSST) के लिए एक शक्तिशाली मार्ग प्रदान करता है। लेखक का तर्क है कि उनका दृष्टिकोण:

MG और बायस को अलग करता है: यह गैर-गॉसियन रूपात्मक सूचना और फूरियर फेजेस का उपयोग करके MG-बायस विसंगति को अनूठे रूप से हल करता है, जो पारंपरिक टू-पॉइंट सांख्यिकी के लिए अप्राप्य है।
सूचना स्रोतों की पहचान करता है: यह भौतिक समझ प्रदान करता है कि कॉस्मिक वेब में कहाँ (विशेष रूप से वॉइड्स और वॉल्स में) ग्रेविटी मॉडल्स को अलग करने वाली सूचना निवास करती है।
फॉरवर्ड मॉडलिंग को मान्य करता है: यह प्रदर्शित करता है कि पूर्ण 3D फील्ड का फॉरवर्ड-मॉडलिंग करना ग्रेविटेशनल और बायस पैरामीटर्स के एक साथ, मजबूत प्रतिबंध की अनुमति देता है।

लेखक सीमाओं को नोट करते हैं, विशेष रूप से उनका वर्तमान कार्यान्वयन डार्क मैटर फील्ड के प्रारंभिक फेजेस को स्थिर करता है। वे स्वीकार करते हैं कि वास्तविक डेटा पर इसे लागू करने के लिए इन प्रारंभिक फेजेस पर मार्जिनलाइज करने (जैसा कि BORG जैसे फ्रेमवर्क में किया जाता है) और अधिक जटिल बायस मॉडल और ऑब्जर्वेशनल सिस्टमैटिक्स को शामिल करने की आवश्यकता होगी। हालांकि, यह अध्ययन गैर-रैखिक शासन (non-linear regime) में ग्रेविटी का परीक्षण करने के लिए फील्ड-लेवल लाइकलीहुड का उपयोग करने की सैद्धांतिक और व्यावहारिक व्यवहार्यता स्थापित करता है।