🔭 astrophysics

KiDS-1000: Improved constraints on cosmology, intrinsic alignments and baryonic feedback from clipped cosmic shear

किलो-डिग्री सर्वे के चौथे डेटा रिलीज़ (KiDS-1000) का उपयोग करते हुए, यह अध्ययन गाऊसी प्रक्रिया एमुलेटर्स (Gaussian process emulators) के साथ मॉडल किए गए "क्लिप्ड" शियर सहसंबंध फलनों (shear correlation functions) को नियोजित करता है ताकि ब्रह्मांड संबंधी मापदंडों, आंतरिक संरेखण (intrinsic alignments) और बेरियोनिक फीडबैक को एक साथ सीमित किया जा सके, जिससे पारंपरिक तरीकों की तुलना में $S_8$ और $w_0$ पर काफी कड़े प्रतिबंध प्राप्त होते हैं, जबकि मानक $\Lambda$ CDM मॉडल के साथ सुसंगत बने रहते हैं।

मूल लेखक: Benjamin Giblin, Joachim Harnois-Déraps, Louise Paquereau, Catherine Heymans

प्रकाशित 2026-08-10

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Benjamin Giblin, Joachim Harnois-Déraps, Louise Paquereau, Catherine Heymans

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, अदृश्य महासागर के रूप में करें जो डार्क मैटर (dark matter) से बना है और बिग बैंग से लेकर आज तक फैला हुआ है। हम इस महासागर को सीधे नहीं देख सकते, लेकिन हम देख सकते हैं कि यह दूर स्थित आकाशगंगाओं के प्रकाश को कैसे मोड़ता है, ठीक वैसे ही जैसे एक फनहाउस मिरर (funhouse mirror) आपके प्रतिबिंब को विकृत कर देता है। प्रकाश के इस मुड़ने की प्रक्रिया को "वीक ग्रेविटेशनल लेंसिंग" (weak gravitational lensing) कहा जाता है, और अरबों आकाशगंगाओं के सूक्ष्म, खिंचे हुए आकारों को मापकर, खगोलशास्त्री ब्रह्मांड की अदृश्य संरचनाओं का मानचित्र तैयार कर सकते हैं। यह मानचित्र हमें भौतिकी के सबसे बड़े सवालों के जवाब देने में मदद करता है: ब्रह्मांड किससे बना है? यह कितनी तेजी से फैल रहा है? और यह रहस्यमय "डार्क एनर्जी" (dark energy) क्या है जो सब कुछ दूर धकेल रही है?

हालाँकि, इस ब्रह्मांडीय महासागर को देखना कठिन है। पानी पूरी तरह से साफ नहीं है; यह सामान्य पदार्थ (जैसे तारे और गैस) के "बुलबुलों" से भरा है जो जटिल तरीकों से परस्पर क्रिया करते हैं, और आकाशगंगाओं का भी एक प्रवृत्ति होती है कि वे उन पैटर्नों में संरेखित हों जो गुरुत्वाकर्षण के कारण नहीं होते हैं। इन अव्यवस्थित हिस्सों को "सिस्टमैटिक्स" (systematics) कहा जाता है, और ये रेडियो पर होने वाले स्टैटिक (static) की तरह काम करते हैं, जिससे ब्रह्मांड के वास्तविक आकार के असली सिग्नल को सुनना मुश्किल हो जाता है। लंबे समय से, वैज्ञानिक इस स्टैटिक को फ़िल्टर करने की कोशिश कर रहे हैं, लेकिन ब्रह्मांड के सबसे दिलचस्प हिस्से—घने, गुच्छेदार क्षेत्र जहाँ आकाशगंगाएँ बनती हैं—वही सबसे अधिक शोर वाले हिस्से भी हैं। यह शोध पत्र एक चतुर नए तरीके के बारे में है जिससे आप संगीत को खोए बिना शोर की आवाज़ को कम कर सकते हैं।

शोध पत्र की कहानी: अव्यवस्था को कम करना

यह शोध पत्र, जिसे "KiDS-1000" सर्वेक्षण के डेटा का उपयोग करने वाली खगोलविदों की एक टीम द्वारा लिखा गया है, ब्रह्मांड की एक स्पष्ट तस्वीर प्राप्त करने के लिए "क्लिपिंग" (clipping) नामक एक तकनीक पेश करता है। ब्रह्मांड के पदार्थ के वितरण की कल्पना एक पर्वत श्रृंखला के रूप में करें। अधिकांश समय, हम पूरे परिदृश्य को देखते हैं, जिसमें छोटे कंकड़ और विशाल, ऊबड़-खाबड़ चोटियाँ शामिल हैं। लेकिन विशाल चोटियाँ वही स्थान हैं जहाँ "शोर" (जैसे गैस और तारे गुरुत्वाकर्षण के विरुद्ध दबाव डालते हैं) सबसे अधिक होता है, जिससे पहाड़ों के वास्तविक आकार को मापना कठिन हो जाता है।

लेखकों ने कुछ क्रांतिकारी करने का निर्णय लिया: उन्होंने मानचित्र को "क्लिप" किया। कल्पना कीजिए कि आप कैंची लेकर सबसे ऊँची चोटियों के सिरों को काट रहे हैं, उन्हें समतल कर रहे हैं। इन अत्यधिक उच्च-घनत्व वाले क्षेत्रों को हटाकर, उन्होंने प्रभावी रूप से ब्रह्मांड के उन हिस्सों को फ़िल्टर कर दिया जो जटिल और मॉडल करने में कठिन थे। इसके बाद उन्होंने इस "क्लिप्ड" (clipped) मानचित्र की तुलना मूल, "अनक्लिप्ड" (unclipped) मानचित्र से की।

टीम ने केवल यह अनुमान नहीं लगाया कि यह काम करेगा; उन्होंने पहले इसे परीक्षण करने के लिए एक विशाल डिजिटल प्लेग्राउंड बनाया। उन्होंने सुपरकंप्यूटर सिमुलेशन का उपयोग करके हजारों नकली ब्रह्मांड बनाए, जिनमें आकाशगंगा संरेखण और गैस फीडबैक जैसे सभी जटिल तत्व शामिल थे। उन्होंने इन सिमुलेशन पर एक स्मार्ट कंप्यूटर प्रोग्राम ("एम्यूलेटर" या emulator) को प्रशिक्षित किया ताकि यह सीखा जा सके कि विभिन्न भौतिक नियमों के तहत क्लिप्ड और अनक्लिप्ड मानचित्र कैसे दिखने चाहिए। इसने उन्हें पहले की तुलना में बहुत अधिक सटीकता के साथ वास्तविक डेटा के जटिल हिस्सों को मॉडल करने की अनुमति दी।

उन्होंने क्या पाया

जब उन्होंने वास्तविक डेटा (21 मिलियन आकाशगंगाओं) पर इस पद्धति को लागू किया, तो परिणाम एक महत्वपूर्ण सुधार थे। "क्लिप्ड" और "अनक्लिप्ड" दृश्यों को संयोजित करके, उन्होंने ब्रह्मांड के गुणों के अपने मापन को और अधिक सटीक बनाया। विशेष रूप से, उन्होंने पाया कि एक प्रमुख संख्या $S_8$ (जो यह मापता है कि ब्रह्मांड कितना "गुच्छेदार" है) में अनिश्चितता 16% तक कम हो गई। उन्होंने डार्क एनर्जी के समीकरण अवस्था ( $w_0$ ) के मापन में भी 24% का सुधार किया।

सबसे रोमांचक खोजों में से एक यह थी कि इस पद्धति ने उन्हें "जटिल हिस्सों" को बेहतर ढंग से समझने में मदद की। क्लिपिंग तकनीक एक स्पॉटलाइट की तरह काम करती है, जिससे उन्हें तारों और ब्लैक होल के फीडबैक (baryonic feedback) की शक्ति पर एक सख्त ऊपरी सीमा निर्धारित करने में मदद मिली। इसने आकाशगंगाओं के आपस में संरेखण (intrinsic alignments) की उनकी समझ में भी 27% का सुधार किया, जो उस विशिष्ट प्रकार के शोर को नियंत्रित करने की दिशा में एक बड़ी छलांग है।

निर्णय

लेखकों ने पाया कि उनके नए, क्लिप्ड मापन ब्रह्मांड विज्ञान के मानक मॉडल ( $\Lambda$ CDM) के साथ सुसंगत हैं और पिछले प्रमुख अध्ययनों के साथ अच्छी तरह मेल खाते हैं, भले ही उन्होंने संख्याओं की गणना करने के लिए पूरी तरह से अलग तरीका अपनाया हो। उन्हें कोई नया, अजीब ब्रह्मांड नहीं मिला; बल्कि, उन्हें पहले से ज्ञात ब्रह्मांड का एक अधिक स्पष्ट और सटीक संस्करण मिला।

यह शोध पत्र सुझाव देता है कि यह "क्लिपिंग" वाली तरकीब एक शक्तिशाली उपकरण है जो सरल सिद्धांत से आगे बढ़कर वास्तविक, जटिल डेटा पर काम करती है। हालांकि भविष्य के टेलीस्कोपों से मिलने वाले डेटा के संबंध में आकाशगंगाओं के सटीक संरेखण को लेकर अभी भी कुछ छोटी असहमति बनी हुई है, लेकिन समग्र चित्र ठोस है। लेखक निष्कर्ष निकालते हैं कि जैसे-जैसे हमें भविष्य के टेलीस्कोपों से बेहतर डेटा मिलेगा, "चोटियों को छाँटने" का यह तरीका डार्क यूनिवर्स के रहस्यों को खोलने के लिए एक महत्वपूर्ण उपकरण होगा, जो एक धुंधली, शोर भरी फोटो को हमारे ब्रह्मांडीय घर के एक क्रिस्टल-क्लियर पोर्ट्रेट में बदल देगा।

तकनीकी सारांश: KiDS-1000: क्लिप्ड कॉस्मिक शियर से ब्रह्मांड विज्ञान, आंतरिक संरेखण और बेरयोनिक फीडबैक पर बेहतर बाधाएं

समस्या विवरण
मानक ब्रह्मांड विज्ञान मॉडल ( $\Lambda$ CDM) प्रमुख मापदंडों, विशेष रूप से हबल स्थिरांक ( $H_0$ ) और पदार्थ क्लस्टरिंग आयाम ( $S_8$ ) के मूल्यों के संबंध में निरंतर तनावों का सामना कर रहा है। जबकि कमजोर गुरुत्वाकर्षण लेंसिंग (कॉस्मिक शियर) इन मापदंडों के लिए एक प्राथमिक प्रोब है, दो-बिंदु सांख्यिकी (जैसे, शियर सहसंबंध फलन) पर निर्भर पारंपरिक विश्लेषण उप-इष्टतम हैं क्योंकि वे केवल द्वितीय क्रम तक की जानकारी निकालते हैं। लेंसिंग द्वारा जांचा गया विलंबित समय का पदार्थ वितरण अत्यधिक गैर-गाऊसी (non-Gaussian) होता है, जिसमें उच्च-क्रम की जानकारी होती है जिसे दो-बिंदु सांख्यिकी पूरी तरह से उपयोग करने में विफल रहती है। वह छोटा पैमाना जहाँ यह गैर-गाऊसी जानकारी निहित है, बेरयोनिक फीडबैक और आंतरिक संरेखण (IA) से अत्यधिक दूषित है, जिससे सटीक मॉडलिंग कठिन हो जाती है। व्यवस्थित प्रभावों (systematics) को पर्याप्त सटीकता के साथ संयुक्त रूप से मॉडल करने के प्रयास पिछले अध्ययनों में संघर्ष करते रहे हैं। इसके अतिरिक्त, हालांकि "क्लिपिंग" (प्रक्षेपित क्षेत्र से उच्च-घनत्व वाले क्षेत्रों को हटाना) को फूरियर मोड को डिकोरिलेट करने और सूचना निष्कर्षण में सुधार करने के लिए प्रस्तावित किया गया था, पिछले अनुप्रयोगों (जैसे, Giblin et al. 2018) में आंतरिक संरेखण, बेरयोनिक फीडबैक और फोटोमेट्रिक रेडशिफ्ट अनिश्चितताओं जैसे व्यवस्थित प्रभावों का व्यापक मॉडलिंग नहीं किया गया था।

कार्यप्रणाली
यह शोध पत्र पूर्णतः फॉरवर्ड-मॉडलिंग दृष्टिकोण का उपयोग करके, $N$ -बॉडी सिमुलेशन और गाऊसी प्रोसेस (GP) एमुलेटर्स के आधार पर, क्लिप्ड शियर सहसंबंध फलनों का उपयोग करके KiDS-1000 सर्वेक्षण से प्राप्त पहले ब्रह्मांडीय बाधाओं (cosmological constraints) को प्रस्तुत करता है।

डेटा और सिमुलेशन: यह विश्लेषण केलो-डिग्री सर्वे (KiDS-1000) के चौथे डेटा रिलीज का उपयोग करता है, जो 21 मिलियन आकाशगंगाओं के साथ 777 deg $^2$ को कवर करता है। लेखक डार्क-मैटर-ओनली और हाइड्रोडायनामिकल $N$ -बॉडी सिमुलेशन के cosmoSLICS और SLICS सूट्स पर भरोसा करते हैं। ये सिमुलेशन पिछले क्लिप्ड लेंसिंग के लिए उपयोग किए गए डेटासेट की तुलना में काफी बड़े आयतन और उच्च रिज़ॉल्यूशन प्रदान करते हैं।
क्लिपिंग प्रक्रिया: कार्यप्रणाली Giblin et al. (2018) के दृष्टिकोण का अनुसरण करती है। एलिप्टिसिटी मैप्स से कन्वर्जेंस ( $\kappa$ ) मैप्स को काइसर-क्वायर्स मास मैपिंग तकनीक का उपयोग करके जेनरेट किया जाता है। वे क्षेत्र जो $\kappa_c = 0.010$ थ्रेशोल्ड से अधिक हैं, उन्हें "क्लिप" (थ्रेशोल्ड मान पर सेट) किया जाता है, जिससे एक क्लिप्ड मैप ( $\kappa_{clip}$ ) और एक अवशिष्ट (residual) मैप ( $\Delta\kappa$ ) बनता है। अवशिष्ट मैप को अवशिष्ट एलिप्टिसिटी प्राप्त करने के लिए उल्टा (invert) किया जाता है, जिसे प्रेक्षित एलिप्टिसिटी से घटाकर क्लिप्ड एलिप्टिसिटी प्राप्त की जाती है।
व्यवस्थित मॉडलिंग (Systematic Modeling): एक महत्वपूर्ण प्रगति व्यापक व्यवस्थित मॉडलिंग है। लेखक क्लिप्ड और अनक्लिप्ड शियर सहसंबंध फलनों की निर्भरता की भविष्यवाणी करने के लिए विभिन्न सिमुलेशन पर GP एमुलेटर्स को प्रशिक्षित करते हैं:
- ब्रह्मांड विज्ञान (Cosmology): एक 4-आयामी $w$ CDM पैरामीटर स्पेस ( $\Omega_m, S_8, h, w_0$ )।
- आंतरिक संरेखण (IA): इसे आयाम $A_{IA}$ के साथ नॉन-लीनियर लीनियर एलाइनमेंट (NLA) मॉडल का उपयोग करके मॉडल किया गया है।
- बेरयोनिक फीडबैक (BF): इसे मुक्त न्यूसेंस पैरामीटर $b_{bary}$ द्वारा स्केल किए गए हाइड्रोडायनाकल magneticum सिमुलेशन का उपयोग करके मॉडल किया गया है।
- फोटोमेट्रिक रेडशिफ्ट ( $z$ ): रेडशिफ्ट वितरण में शिफ्ट ( $\Delta z$ ) के माध्यम से मॉडल किया गया है।
- सोर्स-लेंस क्लस्टरिंग (SLC): इसकी जांच की गई और पाया गया कि यह इस सांख्यिकी के लिए नगण्य है।
एम्यूलेशन रणनीति: GP एमुलेटर्स को एक फिडुशियल मॉडल के सापेक्ष ब्रह्मांडीय और व्यवस्थित पूर्वाग्रहों की भविष्यवाणी करने के लिए प्रशिक्षित किया जाता है। एमुलेटर्स को लीव-वन-आउट क्रॉस-वैलिडेशन के माध्यम से मान्य किया गया है, जो सांख्यिकीय शोर की तुलना में उप-प्रमुख त्रुटियां दिखाते हैं। एमुलेटर अनिश्चितता को कोवेरिएंस मैट्रिक्स में शामिल किया जाता है ताकि पूर्वाग्रह को रोका जा सके।
पैरामीटर इन्फरेंस: विश्लेषण एक गाऊसी लाइकलीहुड (Hartlap सुधार के साथ) और 11-आयामी पैरामीटर स्पेस (4 ब्रह्मांडीय + 7 न्यूसेंस) को एक्सप्लोर करने के लिए nautilus सैंपलर का उपयोग करता है। डेटा वेक्टर पांच टोमोग्राफिक रेडशिफ्ट बिन के ऑटो- और क्रॉस-कोरिलेशन का उपयोग करता है, जो क्लिप्ड और अनक्लिप्ड दोनों $\xi_+$ और $\xi_-$ को मापता है, जिसके परिणामस्वरूप 540 की लंबाई वाला वेक्टर प्राप्त होता है।

मुख्य योगदान

प्रथम व्यवस्थित-नियंत्रित क्लिपिंग विश्लेषण: यह आंतरिक संरेखण, बेरयोनिक फीडबैक, फोटोमेट्रिक रेडशिफ्ट अनिश्चितताओं और सोर्स-लेंस क्लस्टरिंग को एक साथ मॉडल करने वाला वास्तविक कमजोर लेंसिंग डेटा का पहला अनुप्रयोग है।
सिमुलेशन के साथ फॉरवर्ड मॉडलिंग: यह कार्य उन सैद्धांतिक प्रिस्क्रिप्शनों (जैसे, hmcode) पर निर्भर रहने के बजाय, जो अनक्लिप्ड सांख्यिकी के लिए उपयोग किए जाते हैं, $N$ -बॉडी सिमुलेशन का उपयोग करके क्लिप्ड और अनक्लिप्ड दोनों सांख्यिकी को फॉरवर्ड-मॉडल करता है, जो KiDS-1000 कॉस्मिक शियर परिणामों (Asgari et al. 2021) का एक स्वतंत्र सत्यापन प्रदान करता है।
टोमोग्राफिक क्लिपिंग: यह विश्लेषण पहली बार क्लिप्ड लेंसिंग ढांचे के भीतर टोमोग्राफिक रेडशिफ्ट बिनिंग पेश करता है, जिससे पिछले प्रूफ-ऑफ-कांसेप्ट अध्ययनों की तुलना में डेटा वेक्टर काफी बढ़ जाता है।
मास्किंग बायस को संभालना: सिमुलेशन टाइल्स में KiDS-1000 सर्वेक्षण फुटप्रिंट (मास्किंग सहित) को सीधे दोहराकर, लेखक मास्किंग बायस को फॉरवर्ड-मॉडल करते हैं, जिससे क्लिप्ड सांख्यिकी के $\xi_+$ और $\xi_-$ दोनों घटकों का उपयोग करना संभव हो जाता है, जो पहले मास्किंग द्वारा पक्षपाती थे।

परिणाम
क्लिप्ड और अनक्लिप्ड प्रोब्स का संयोजन अकेले अनक्लिप्ड दृष्टिकोण की तुलना में ब्रह्मांडीय और न्यूसेंस मापदंडों पर कड़े प्रतिबंध (tighter constraints) प्रदान करता है:

ब्रह्मांडीय बाधाएं: विश्लेषण $\Omega_m = 0.263^{+0.035}_{-0.038}$ $Ω_{m} = 0.26 3_{- 0.038}^{+ 0.035}$ , $S_8 = 0.724^{+0.027}_{-0.027}$ $S_{8} = 0.72 4_{- 0.027}^{+ 0.027}$ , और $w_0 = -1.24^{+0.26}_{-0.28}$ $w_{0} = - 1.2 4_{- 0.28}^{+ 0.26}$ प्रदान करता है।
- $S_8$ की अनिश्चितता 16% कम हो जाती है।
- $w_0$ की अनिश्चितता 24% कम हो जाती है।
- $\Omega_m-S_8$ प्लेन में फिगर ऑफ मेरिट (FoM) 1.2 के कारक से सुधरता है।
व्यवस्थित बाधाएं:
- आंतरिक संरेखण आयाम ( $A_{IA}$ ) का प्रतिबंध 27% सुधरता है, जो ~39% की सटीकता तक पहुँचता है (अनक्लिप्ड विश्लेषण में ~90% की तुलना में)।
- बेरयोनिक फीडबैक पैरामीटर ( $b_{bary}$ ), जो अनक्लिप्ड विश्लेषण में अनियंत्रित है, को संयुक्त विश्लेषण में $b_{bary} < 0.97$ की ऊपरी सीमा तक प्रतिबंधित किया गया है।
संगति: परिणाम $\Lambda$ CDM मॉडल और मुख्य KiDS-1000 कॉस्मिक शियर विश्लेषण (Asgari et al. 2021) के साथ सुसंगत हैं, बावजूद इसके कि इसमें पूरी तरह से स्वतंत्र सिमुलेशन- और एमुलेटर-आधारित ढांचे का उपयोग किया गया है। गुडनेस-ऑफ-फिट ( $p$ -values) सभी विश्लेषणों के लिए स्वीकार्य है।
तनाव: $S_8$ का प्रतिबंध A21 परिणाम के साथ 1.8 $\sigma$ का हल्का तनाव और Planck CMB परिणामों के साथ 3.0 $\sigma$ का तनाव दिखाता है, हालांकि लेखक नोट करते हैं कि नए डेटा (KiDS-Legacy) में रेडशिफ्ट अंशांकन और सर्वेक्षण विशिष्टताओं में अंतर इन मूल्यों को बदल सकता है।

महत्व और दावे
यह शोध दावा करता है कि क्लिपिंग कॉस्मिक शियर को एक "प्रूफ-ऑफ-कांसेप्ट" तकनीक से एक प्रतिस्पर्धी और मजबूत लेंसिंग सांख्यिकी में बदल देता है। उच्च-घनत्व वाले क्षेत्रों को फ़िल्टर करके, क्लिपिंग दो-बिंदु सांख्यिकी को बड़े, रैखिक पैमानों से अतिरिक्त ब्रह्मांडीय जानकारी निकालने की अनुमति देता है जहाँ बेरयोनिक संदूषण कमजोर होता है, जबकि अनक्लिप्ड सांख्यिकी से प्राप्त पूरक जानकारी विसंगतियों (degeneracies) को तोड़ने में मदद करती है।

लेखक इस बात पर जोर देते हैं कि क्लिप्ड और अनक्लिप्ड प्रोब्स की पूरक प्रकृति स्केल-डिपेंडेंट प्रक्रियाओं को अलग करने की अनुमति देती है। यह इस बात से सिद्ध होता है कि आंतरिक संरेखण आयाम को नियंत्रित करने और बेरयोनिक फीडबैक की शक्ति पर ऊपरी सीमा लगाने में महत्वपूर्ण सुधार हुआ है, जो ऐसे पैरामीटर हैं जिन्हें केवल अनक्लिप्ड सांख्यिकी के साथ नियंत्रित करना कठिन है। यह कार्य प्रदर्शित करता है कि सिमुलेशन-आधारित फॉरवर्ड मॉडलिंग सफलतापूर्वक व्यवस्थित प्रभावों को नियंत्रित कर सकता है, जो Euclid और LSST जैसे भविष्य के स्टेज-IV सर्वेक्षणों के लिए इस दृष्टिकोण को मान्य करता है। लेखक विनम्रतापूर्वक निष्कर्ष निकालते हैं कि हालांकि चुनौतियां बनी हुई हैं (जैसे, छोटे पैमानों पर एमुलेटर की अशुद्धियाँ), क्लिपिंग का पूरी तरह से उपयोग करने में शेष बाधाएं आगामी डेटा गुणवत्ता और सिमुलेशन संसाधनों के विकास के साथ अल्पकालिक हैं।

इसी तरह के और पेपर