🔭 astrophysics

The Three Hundred Project: validating $H_0$ inference from mock X-ray and millimetre analyses of galaxy clusters

'द थ्री हंड्रेड' हाइड्रोडायनामिकल सिमुलेशन से 100 से 1000 गैलेक्सी क्लस्टर्स के नमूने का उपयोग करते हुए, यह अध्ययन प्रदर्शित करता है कि जब मॉर्फोलॉजिकल और डायनामिकल सिस्टमैटिक्स के लिए सुधारा जाए, तो संयुक्त एक्स-रे और मिलीमीटर अवलोकन, हबल स्थिरांक ( $H_0$ ) को 1.5% से 4% की सटीकता और लगभग 0.6–0.8 किमी s⁻¹ Mpc⁻¹ की व्यवस्थित अनिश्चितता के साथ सीमित कर सकते हैं।

मूल लेखक: F. De Luca, H. Bourdin, P. Mazzotta, E. Rasia, A. Kozmanyan, W. Cui, M. De Petris, D. de Andres, G. Yepes

प्रकाशित 2026-07-10

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: F. De Luca, H. Bourdin, P. Mazzotta, E. Rasia, A. Kozmanyan, W. Cui, M. De Petris, D. de Andres, G. Yepes

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 गर्म गैस से बना एक विशाल, अदृश्य महासागर है, और इसमें गैलेक्सी क्लस्टर्स (galaxy clusters) नामक विशाल द्वीप तैर रहे हैं। खगोलविद यह मापना चाहते हैं कि ब्रह्मांड अभी कितनी तेज़ी से फैल रहा है (एक संख्या जिसे $H_0$ कहा जाता है), और उन्हें लगता है कि ये तैरते हुए द्वीप इस काम के लिए बेहतरीन पैमाने (rulers) हैं। लेकिन इसमें एक पेंच है: इन द्वीपों के भीतर की गैस एक चिकने, आदर्श गुब्बारे की तरह नहीं है। यह ऊबड़-खाबड़, डगमगाती हुई है, और कभी-कभी अन्य द्वीपों से टकरा रही होती है।

जब खगोलविद दो अलग-अलग उपकरणों का उपयोग करके इन गैस वाले गुब्बारों के आकार को मापने की कोशिश करते—एक जो एक्स-रे (X-rays) देखता है और दूसरा जो मिलीमीटर तरंगों (millimeter waves) को देखता है—तो वे अक्सर थोड़े अलग उत्तर प्राप्त करते हैं। यह एक जेलीफ़िश के आकार का अनुमान लगाने जैसा है, जिसे आप एक तरफ से देख रहे हैं और फिर ऊपर से देख रहे हैं; यदि आप मान लेते हैं कि जेलीफ़िश एक आदर्श गोला है, तो आपकी गणित थोड़ी गलत हो जाएगी। इस "गलती" को 'बायस' (bias) कहा जाता है, और यह ब्रह्मांड के विस्तार के माप में गड़बड़ी पैदा करती है।

बड़ी खोज: "जेलीफ़िश" का एक पैटर्न है
इस अध्ययन में, वैज्ञानिकों की एक टीम ने "द थ्री हंड्रेड प्रोजेक्ट" (The Three Hundred Project) नामक एक सुपर-शक्तिशाली कंप्यूटर सिमुलेशन का उपयोग करके 324 नकली गैलेक्सी क्लस्टर्स बनाए। उन्होंने इन्हें केवल मनगढ़ंत नहीं बनाया; उन्होंने गैस, सितारों और गुरुत्वाकर्षण के भौतिकी (physics) को सिम्युलेट किया ताकि देख सकें कि ये क्लस्टर्स वास्तव में कैसे व्यवहार करते हैं।

उन्होंने पाया कि यह "गलती" (बायस) कोई यादृच्छिक अराजकता (random chaos) नहीं है। यह एक पैटर्न का पालन करती है! बिल्कुल एक वास्तविक जेलीफ़िश की तरह, एक क्लस्टर जितना अधिक "रिलैक्स्ड" (relaxed) या शांत होता है, उसका आकार एक आदर्श गोले के उतना ही करीब होता है, और त्रुटि उतनी ही कम होती है। लेकिन यदि कोई क्लस्टर "डिस्टर्ब" (disturbed) है (यानी डगमगाता हुआ, टकराता हुआ, या गांठों से भरा हुआ), तो त्रुटि बड़ी और अधिक अप्रत्याशित हो जाती है।

वैज्ञानिकों ने खोजा कि वे इस त्रुटि की भविष्यवाणी कर सकते हैं कि कोई क्लस्टर कितना "रिलैक्स्ड" या "डिस्टर्ब" दिखता है। उन्होंने एक गणितीय मानचित्र (जिसे 'गौसियन प्रोसेस' कहा जाता है) बनाया जो कहता है, "यदि एक क्लस्टर ऐसा दिखता है, तो इतनी बड़ी त्रुटि की अपेक्षा करें।"

परीक्षण: क्या यह मानचित्र काम करता है?
यह देखने के लिए कि क्या यह मानचित्र वास्तव में काम आ सकता है, टीम ने एक बड़ा परीक्षण किया। उन्होंने एक नकली ब्रह्मांड में खगोलविदों होने का नाटक किया जहाँ उन्हें विस्तार दर ( $H_0$ ) का सही उत्तर पहले से पता था। फिर उन्होंने अपने नए "त्रुटि मानचित्र" (error map) का उपयोग करके अपने डेटा को ठीक करने की कोशिश की।

परिणाम? यह पूरी तरह से काम कर गया।

कोई बायस नहीं: जब उन्होंने अपने नए तरीके का उपयोग किया, तो उन्हें गलत उत्तर नहीं मिला। उन्होंने बिना किसी व्यवस्थित त्रुटि (systematic error) के $H_0$ का सही मान प्राप्त किया।
परिशुद्धता (Precision): 100 क्लस्टर्स के नमूने के साथ, वे विस्तार दर को लगभग 4% परिशुद्धता के साथ निर्धारित कर सके। 1,000 क्लस्टर्स के साथ, वे इसे 1.5% तक ला सके।
सीमा: हालाँकि, हजारों क्लस्टर्स के होने के बावजूद, एक बहुत छोटी "फ्लोर" (floor) है कि माप कितना सटीक हो सकता है। पेपर सुझाव देता है कि चाहे आप कितने भी क्लस्टर्स जोड़ दें, गैस के जटिल भौतिकी के कारण हमेशा थोड़ी सी अनिश्चितता बची रहेगी, जो लगभग 0.6–0.8 km s⁻¹Mpc⁻¹ है।

उन्होंने क्या खारिज किया
यह पेपर स्पष्ट रूप से इस विचार का खंडन करता है कि आप बस इन क्लस्टर्स के आकार को अनदेखा कर सकते हैं या उन सभी के साथ एक जैसा व्यवहार कर सकते हैं। आप सिर्फ यह नहीं कह सकते, "ओह, यह एक गोला है," और आगे बढ़ सकते हैं। अध्ययन दिखाता है कि यदि आप यह ध्यान नहीं रखते हैं कि एक क्लस्टर "रिलैक्स्ड" है या "डिस्टर्ब", तो आपके ब्रह्मांड के विस्तार के माप में बायस होगा। उन्होंने यह भी दिखाया कि केवल क्लस्टर के कुल द्रव्यमान (mass) या तापमान को देखना त्रुटि का अनुमान लगाने में मदद नहीं करता है; यह विशेष रूप से क्लस्टर के आकार और डायनामिकल स्टेट (कि वह कितना शांत या अराजक है) पर निर्भर करता है।

वे कितने आश्वस्त हैं?
यह याद रखना महत्वपूर्ण है कि ये परिणाम सिमुलेशन से आए हैं। वैज्ञानिकों ने इस विशिष्ट परीक्षण के लिए वास्तविक दूरबीनों को नहीं देखा; उन्होंने ब्रह्मांड के एक कंप्यूटर मॉडल को देखा।

उन्होंने डेटा को सिम्युलेट किया ताकि यह साबित हो सके कि उनका तरीका काम करता है।
वे सुझाव देते हैं कि इस तरीके को XMM-Newton और Planck जैसी दूरबीनों के वास्तविक डेटा पर लागू किया जा सकता है।
उन्होंने अपने सिम्युलेटेड संसार में पाया कि यह तरीका बिना किसी बायस के और अच्छी तरह से कैलिब्रेटेड है।

पेपर निष्कर्ष निकालता है कि यह "सिमुलेशन-इन्फॉर्म्ड" (simulation-informed) दृष्टिकोण गैलेक्सी क्लस्टर्स की जटिल गणित को ठीक करने का एक आशाजनक तरीका है। ब्रह्मांड के "जेलीफ़िश शेप्स" को पहचानना कंप्यूटर को सिखाकर, हम अंततः ब्रह्मांड के विस्तार को मापने के लिए एक अत्यंत सटीक पैमाना प्राप्त कर सकते हैं। लेकिन जब तक वे वास्तविक आकाश से आने वाले भौतिक प्रकाश पर इसका परीक्षण नहीं करते, तब तक यह एक बहुत ही मजबूत, बहुत ही आशाजनक सिमुलेशन बना हुआ है।

तकनीकी सारांश: द थ्री हंड्रेड प्रोजेक्ट: गैलेक्सी क्लस्टर्स के मॉक एक्स-रे और मिलीमीटर विश्लेषण से $H_0$ अनुमान का सत्यापन

समस्या विवरण
गैलेक्सी क्लस्टर्स में ऊष्मागतिक मात्राओं (thermodynamical quantities) का मापन, विशेष रूप से जब वे संयुक्त एक्स-रे और मिलीमीटर (सन्यायेव-ज़ेल्डोविच, SZ) अवलोकनों से प्राप्त किए जाते हैं, सरलीकृत मॉडलिंग धारणाओं से उत्पन्न व्यवस्थित पूर्वाग्रहों (systematic biases) के अधीन होता है। इन धारणाओं में आमतौर पर हाइड्रोस्टेटिक इक्विलिब्रियम (hydrostatic equilibrium), गोलाकार समरूपता (spherical symmetry), और गैस के गुच्छों (gas clumps) की अनुपस्थिति शामिल है। ये सरलीकरण एक्स-रे स्पेक्ट्रोस्कोपी से अनुमानित तापमान प्रोफाइल और संयुक्त एक्स-रे एवं SZ इमेजिंग से प्राप्त तापमान प्रोफाइल के बीच विसंगतियों को जन्म देते हैं। ये विसंगतियां, जिन्हें एक बायस फैक्टर $B$ द्वारा परिमाणित किया जाता है, कॉस्मोलॉजिकल पैरामीटर अनुमान की सटीकता को सीमित करती हैं, विशेष रूप से जब गैलेक्सी क्लस्टर्स का उपयोग 'स्टैंडर्ड रूलर' के रूप में किया जाता है। पिछले कार्य (कोज़मानियन एट अल. 2019, जिसे आगे चलकर K19 कहा गया है) ने $B$ के वितरण को मॉडल करने और बेयसियन विश्लेषण में इसे एक सूचनात्मक प्रायर (informative prior) के रूप में शामिल करने के लिए हाइड्रोडायनामिकल सिमुलेशन का उपयोग किया था, लेकिन यह छोटे नमूनों तक ही सीमित था और $B$ की क्लस्टर के डायनेमिकल और मॉर्फोलॉजिकल अवस्थाओं पर निरंतर निर्भरता को पूरी तरह से नहीं समझा सका।

कार्यप्रणाली (Methodology)
यह अध्ययन "द थ्री हंड्रेड" (The300) हाइड्रोडायनामिकल सिमुलेशन के gadget-x रन से लिए गए 324 गैलेक्सी क्लस्टर्स के एक बड़े सिंथेटिक नमूने का उपयोग करके K19 फ्रेमवर्क का विस्तार करता है। विश्लेषण निम्नलिखित चरणों के माध्यम से आगे बढ़ता है:

मॉक डेटा जनरेशन: लेखकों ने तीन लंबवत दृष्टि रेखाओं (orthogonal lines of sight) के साथ पार्टिकल डेटा को प्रोजेक्ट करके क्लस्टर्स के लिए मॉक एक्स-रे और SZ अवलोकनीय (observables) उत्पन्न किए, जिसके परिणामस्वरूप 972 ऑब्जेक्ट्स का नमूना प्राप्त हुआ। उन्होंने प्रोजेक्टेड एमिशन मेजर्स, स्पेक्ट्रोस्कोपिक-लाइक टेम्परेचर ( $T_{sl}$ ), और कॉम्पटन- $y$ पैरामीटर्स की गणना की।
बायस कैरेक्टराइजेशन: संयुक्त एक्स-रे/SZ पुनर्निर्माण से अनुमानित स्पेक्ट्रोस्कोपिक-लाइक तापमान ( $T_{SZ,X}$ ) बनाम सिमुलेशन से सीधे प्राप्त स्पेक्ट्रोस्कोपिक-लाइक तापमान ( $T_{sl}$ ) की तुलना करके बायस फैक्टर $B$ निकाला गया। सिमुलेशन के संदर्भ में, जहाँ वास्तविक कॉस्मोलॉजी और भौतिकी ज्ञात है, $B \equiv \eta_T = T_{sl} / T_{SZ,X}$ है।
डायनेमिकल और मॉर्फोलॉजिकल वर्गीकरण: क्लस्टर्स को डायनेमिकल संकेतकों (सब-हेलो मास फ्रैक्शन और सेंटर-ऑफ-मास ऑफसेट) और मॉर्फोलॉजिकल संकेतकों (कंसंट्रेशन, सेंट्रॉइड शिफ्ट, पावर रेश्यो) के आधार पर रिलैक्स्ड (relaxed), हाइब्रिड (hybrid), और डिस्टर्बड (disturbed) श्रेणियों में वर्गीकृत किया गया।
इन्फॉर्मेटिव प्रायर मॉडलिंग: $B$ $B$ के वितरण को कॉस्मोलॉजिकल अनुमान के लिए एक सूचनात्मक प्रायर के रूप में मॉडल करने के लिए दो रणनीतियाँ विकसित की गईं:
- 3DS मॉडल: एक ट्राइकोटॉमस क्लास-कंडीशनल मॉडल जहाँ $B$ प्रत्येक डायनेमिकल क्लास (रिलैक्स्ड, हाइब्रिड, डिस्टर्बड) के लिए एक विशिष्ट लॉग-नॉर्मल वितरण का पालन करता है।
- गौसियन प्रोसेस (GP) मॉडल: मॉर्फोलॉजिकल इंडिकेटर $M_X$ $M_{X}$ पर $B$ $B$ की निरंतर निर्भरता को मॉडल करने के लिए दो रिग्रेशन दृष्टिकोण लागू किए गए:
  - GPkernel: हेटेरोसेडास्टिकिटी (इनपुट-डिपेंडेंट वेरिएंस) को अनुमानित करने के लिए एक कर्नल स्ट्रक्चर का उपयोग करने वाला एक व्यावहारिक दृष्टिकोण।
  - GPhetero: एक पूर्णतः संभाव्य हेटेरोसेडास्टिक मॉडल जो $M_X$ के फलन के रूप में $\ln B$ के माध्य और अंतर्निहित स्कैटर (intrinsic scatter) को संयुक्त रूप से इन्फर करने के लिए PyMC का उपयोग करता है।
कॉस्मोलॉजिकल पाइपलाइन वैलिडेशन: मॉक $\eta_T$ कैटलॉग से $H_0$ , $\Omega_m$ , और हीलियम एबंडेंस ( $Y$ ) का अनुमान लगाने के लिए एक बेयसियन पाइपलाइन बनाई गई। पाइपलाइन क्लस्टर स्ट्रक्चर बायस ( $B$ ) को दर्शाने वाले नूसेंस पैरामीटर्स पर मार्जिनलाइज करती है, जो प्राप्त प्रायर का उपयोग करती है। वैलिडेशन में अनबायस्डनेस (unbiasedness), सैंपल साइज के साथ वेरिएंस स्केलिंग, और सिमुलेशन-आधारित कैलिब्रेशन तकनीकों का उपयोग करके पोस्टीरियर कैलिब्रेशन का परीक्षण शामिल था।

मुख्य परिणाम

$B$ का वितरण: $B$ का वितरण पॉजिटिवली स्क्यूड (positively skewed) और लेप्टोकुर्टिक (leptokurtic) है। जबकि एक सिंगल लॉग-नॉर्मल वितरण पूरे सैंपल के लिए फिट बैठता है, एक क्लास-कंडीशनल मॉडल (3DS) काफी बेहतर फिट (कम BIC) प्रदान करता है। रिलैक्स्ड सिस्टम $B \approx 1$ के पास कम स्कैटर के साथ क्लस्टर होते हैं, जबकि डिस्टर्बड सिस्टम उच्च मान और अधिक फैलाव प्रदर्शित करते हैं।
सहसंबंध (Correlations): $B$ , डायनेमिकल ( $\chi$ ) और मॉर्फोलॉजिकल ( $M_X$ ) संकेतकों के साथ कमजोर सहसंबंध दिखाता है, लेकिन क्लस्टर मास या टेम्परेचर के साथ कोई महत्वपूर्ण सहसंबंध नहीं है। $B$ में स्कैटर रिलैक्स्ड से डिस्टर्बड सिस्टम की ओर व्यवस्थित रूप से बढ़ता है।
कॉस्मोलॉजिकल इन्फरेंस:
- बेयसियन पाइपलाइन, जब सिमुलेशन-व्युत्पन्न प्रायर (या तो 3DS या GP मॉडल) द्वारा सूचित होती है, तो मॉक टेस्ट में $H_0$ के अनबायस्ड अनुमान प्रदान करती है।
- यह विधि मुख्य रूप से $H_0$ के प्रति संवेदनशील है। $\Omega_m$ और $Y$ पर प्रतिबंध, डिजेनेरेसी (degeneracies) और प्रोब की अंतर्निहित संवेदनशीलता ( $\eta_T \propto D_A^{-1/2}$ ) के कारण प्रायर-डोमिनेटेड रहते हैं।
- परिशुद्धता (Precision): 100 क्लस्टर्स के नमूने के लिए, $H_0$ पर परिशुद्धता लगभग 4% है। 1000 क्लस्टर्स के लिए, यह सुधरकर 1.5% हो जाती है।
- सिस्टमैटिक फ्लोर: अनसर्टेन्टी स्केलिंग $\sigma^2(N) = \sigma_0^2/N + \sigma_s^2$ का पालन करती है। सांख्यिकीय घटक ( $\sigma_0 \approx 26.6$ km s $^{-1}$ Mpc $^{-1}$ ) छोटे नमूनों के लिए हावी रहता है, जबकि एक सिस्टमैटिक फ्लोर $\sigma_s \approx 0.6–0.8$ km s $^{-1}$ Mpc $^{-1}$ बड़े नमदों ( $N \gtrsim 1200$ ) के लिए परिशुद्धता को सीमित करता है।
- कैलिब्रेशन: पोस्टीरियर कैलिब्रेशन परीक्षण पुष्टि करते हैं कि अनुमानित पोस्टीरियर्स अच्छी तरह से कैलिब्रेटेड हैं, जिसमें 68% कॉन्फिडेंस पर $\sim70\%$ और 95% कॉन्फिडेंस पर $\sim95\%$ कवरेज रेट है, जो यूनिफॉर्म रैंक स्टैटिस्टिक्स के अनुरूप है।

महत्व और दावे
यह पेपर गैलेक्सी क्लस्टर्स के संयुक्त एक्स-रे और मिलीमीटर अवलोकनों का उपयोग करके हबल स्थिरांक ( $H_0$ ) को उच्च परिशुद्धता के साथ प्रतिबंधित करने के लिए एक कार्यप्रणाली को मान्य करने का दावा करता है। क्लस्टर मॉर्फोलॉजी और डायनेमिक्स से उत्पन्न होने वाले व्यवस्थित बायस $B$ को कैरेक्टराइज करने के लिए हाइड्रोडायनामिकल सिमुलेशन (The300) का लाभ उठाकर, लेखक प्रदर्शित करते हैं कि इन बायसों को सांख्यिकीय रूप से मॉडल किया जा सकता है और बेयसियन फ्रेमवर्क में सूचनात्मक प्रायर के रूप में शामिल किया जा सकता है।

लेखक दावा करते हैं कि यह दृष्टिकोण पारंपरिक "रिलैक्स्ड" सब-सैंपल्स (से अधिक) के उपयोग के साथ अनबायस्ड कॉस्मोलॉजिकल बाधाओं को बनाए रखते हुए, कम रिलैक्स्ड क्लस्टर नमूनों के उपयोग की अनुमति देता है। यह कार्य इस बात पर प्रकाश डालता है कि एक्स-रे और SZ थर्मोडायनामिक पुनर्निर्माणों के बीच विसंगतियों को चलाने वाला स्ट्रक्चरल टर्म, सिमुलेशन के माध्यम से मजबूती से कैरेक्टराइज किया जा सकता है। फलस्वरूप, यह पद्धति $H_0$ पर कड़े प्रतिबंध लगाने के लिए संयुक्त एक्स-रे और SZ क्लस्टर डेटासेट के भविष्य के अनुप्रयोग का समर्थन करती है। अंततः, बड़ी नमदों में परिशुद्धता सांख्यिकीय शोर से नहीं, बल्कि लगभग 0.6–0.8 km s $^{-1}$ Mpc $^{-1}$ के अवशिष्ट व्यवस्थित अनिश्चितताओं (residual systematic uncertainties) द्वारा सीमित होती है। लेखक वास्तविक डेटा के प्रति हस्तांतरणीयता (transferability) के संबंध में विनम्र रहते हैं, यह नोट करते हुए कि भविष्य के कार्यों को ऑब्जर्वेशनल डेटा क्वालिटी और हाइड्रोडायनामिकल सिमुलेशन के विशिष्ट भौतिकी कार्यान्वयन से संबंधित अतिरिक्त व्यवस्थित कारकों को संबोधित करना होगा।

इसी तरह के और पेपर