⚛️ general relativity

Expanding the scope of dark siren cosmology: Inferring the population properties of gravitational wave-hosting galaxies

यह शोध पत्र gwcosmo ढांचे के भीतर एक सैम्पल्ड रेडशिफ्ट प्रायर (sampled redshift prior) का उपयोग करने वाली एक अभिनव कार्यप्रणाली प्रस्तुत करता है ताकि अपूर्ण गैलेक्सी कैटलॉग से ब्रह्मांड संबंधी मापदंडों और पूर्व में अज्ञात होस्ट गैलेक्सी वेटिंग मॉडल का संयुक्त रूप से अनुमान लगाया जा सके, जिससे हबल स्थिरांक का एक अद्यतित मापन $H_0 = 71.9^{+9.1}_{-7.5}$ km s $^{-1}$ Mpc $^{-1}$ प्राप्त हुआ है और डार्क सायरन कॉस्मोलॉजी (dark siren cosmology) की प्रमुख चुनौतियों का समाधान किया गया है।

मूल लेखक: Rachel Gray, Daniel Williams, Alexander Papadopoulos

प्रकाशित 2026-09-07

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Rachel Gray, Daniel Williams, Alexander Papadopoulos

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 का विस्तार हो रहा है, और दशकों से, खगोलशास्त्री सटीक रूप से यह मापने की कोशिश कर रहे हैं कि यह कितनी तेजी से हो रहा है। विस्तार की यह दर, जिसे हबल स्थिरांक (हबल कांस्टेंट) के रूप में जाना जाता है, एक मौलिक संख्या है जो हमें ब्रह्मांड की आयु और आकार के बारे में बताती है। हालाँकि, इसे मापने के दो सबसे सटीक तरीकों ने अलग-अलग उत्तर दिए हैं। एक विधि बिग बैंग के बाद की चमक (आफ्टरग्लो) को देखती है, जबकि दूसरी पास की आकाशगंगाओं में फटने वाले सितारों के प्रकाश को मापती है। इन दो परिणामों के बीच का अंतर आधुनिक भौतिकी में एक बड़ी पहेली बन गया है, जो यह सुझाव देता है कि या तो हमारे माप त्रुटिपूर्ण हैं या ब्रह्मांड के बारे में हमारी समझ में कोई महत्वपूर्ण कड़ी गायब है। इसे हल करने के लिए, वैज्ञानिकों ने एक नए प्रकार के ब्रह्मांडीय संदेशवाहक की ओर रुख किया है: गुरुत्वाकर्षण तरंगें। ये अंतरिक्ष-समय (स्पेस-टाइम) में उत्पन्न होने वाली लहरें हैं जो विशाल वस्तुओं, जैसे ब्लैक होल के हिंसक टकरावों के कारण होती हैं। प्रकाश के विपरीत, ये तरंगें एक अंतर्निहित पैमाने (रूलर) ले जाती हैं जो हमें बताती हैं कि टकराव कितनी दूर हुआ था, लेकिन वे यह नहीं बतातीं कि ब्रह्मांड के विस्तार के कारण स्रोत हमसे कितनी तेजी से दूर जा रहा है। उस गति को खोजने के लिए, खगोलशास्त्रियों को उस आकाशगंगा की पहचान करनी होगी जहाँ टकराव हुआ था और उसके रेडशिफ्ट (रेडशिफ्ट) को मापना होगा, जो प्रकाश का एक खिंचाव है जो उसकी गति को प्रकट करता है।

चुनौती यह है कि इनमें से अधिकांश टकराव बिना किसी दृश्य प्रकाश के होते हैं, जिससे खगोलशास्त्रियों के पास आकाश में एक स्थान तो होता है लेकिन अध्ययन के लिए कोई स्पष्ट मेजबan आकाशगंगा (होस्ट गैलेक्सी) नहीं होती। यहीं पर "डार्क सायरन्स" (डार्क साइरन्स) काम आते हैं। एक एकल, चमकीले मेजबान को खोजने के बजाय, शोधकर्ताओं को टकराव के अनुमानित स्थान के भीतर हजारों संभावित आकाशगंगाओं की एक विशाल सूची की जांच करनी होती है और सांख्यिकी का उपयोग करके यह पता लगाना होता है कि वास्तविक घर कौन सा है। यह प्रक्रिया तीन मुख्य बाधाओं से बाधित हुई है: आकाशगंगाओं की सूचियाँ अपूर्ण हैं, उन आकाशगंगाओं का डेटा अक्सर सरल या संकुचित होता है, और वैज्ञानिकों को यह अनुमान लगाना पड़ता था कि कौन सी आकाशगंगा किसी टकराव की मेजबान होने की कितनी संभावना रखती है। रशेल ग्रे और ग्लासगो विश्वविद्यालय के उनके सहयोगियों द्वारा किए गए एक नए अध्ययन ने इन बाधाओं को दूर करने के लिए एक लचीली नई विधि पेश की है। डेटा को व्यक्तिगत नमूनों के संग्रह के रूप में मानकर, उन्होंने एक ऐसी प्रणाली बनाई है जो एक साथ ब्रह्मांड के विस्तार की दर और उन नियमों को समझ सकती है जो इन ब्रह्मांडीय टकरावों की मेजबानी करते हैं।

शोधकर्ताओं ने इस नए दृष्टिकोण को पांचवें ग्रेविटेशनल वेव ट्रांजिएंट कैटलॉग (ग्रेविटेशनल वेव ट्रांजिएंट कैटलॉग) के डेटा पर लागू किया, जिसमें सैकड़ों दर्ज टकराव शामिल हैं। उन्होंने इस डेटा को इन्फ्रारेड प्रकाश में देखी गई आकाशगंगाओं के एक विशाल डेटाबेस, GLADE+ गैलेक्सी कैटलॉग के साथ जोड़ा। अतीत में, वैज्ञानिकों को एक विकल्प चुनना पड़ता था: या तो एक सरल मॉडल का उपयोग करना जो यह मानता था कि सभी आकाशगंगाएं टकराव की मेजबानी करने के लिए समान रूप से संभावित हैं, या एक ऐसा मॉडल जिसका उपयोग चमक के आधार पर आकाशगंगाओं को भारित (वेट) करने के लिए किया जाता था। दोनों ही विकल्प निश्चित अनुमान थे। हालाँकि, नई विधि कंप्यूटर को स्वयं ही भार देने के नियम (वेटिंग रूल) को सीखने की अनुमति देती है। यह प्रश्न कि "कौन सी आकाशगंगा टकराव की मेजबान है?" को ब्रह्मांड के विस्तार की दर के साथ हल किए जाने वाले एक चर (वेरिएबल) के रूप में लेती है। इसका अर्थ है कि विश्लेषण केवल एक नियम का अनुमान नहीं लगाता; बल्कि, यह संभावनाओं की एक श्रृंखला का परीक्षण करता है और उस विकल्प को खोजता है जो डेटा के साथ सबसे अच्छा मेल खाता है।

जब टीम ने अपना विश्लेषण चलाया, तो उन्होंने पाया कि उनकी नई विधि पिछले अध्ययनों के अनुरूप परिणाम देती है जिन्होंने पुरानी, कम लचीली तकनीकों का उपयोग किया था। यह एक महत्वपूर्ण पहला कदम था, जिसने यह सिद्ध किया कि नया, अधिक जटिल सिस्टम सही ढंग से काम कर रहा है। लेकिन वास्तविक सफलता तब आई जब उन्होंने सिस्टम को अपने आप मेजबान आकाशगंगा के नियमों को समझने दिया। उन्होंने पाया कि डेटा किसी एक सरल नियम का पुरजोर समर्थन नहीं करता है, जो अपेक्षित है क्योंकि उनके द्वारा उपयोग किया गया गैलेक्सी कैटलॉग अभी तक इतना पूर्ण नहीं है कि निर्णायक उत्तर दे सके। इस अनिश्चितता के बावजूद, विधि ने हबल स्थिरांक का एक नया माप प्रदान करने के लिए उपलब्ध सभी जानकारी को सफलतापूर्वक संयोजित किया। परिणाम 71.9 किलोमीटर प्रति सेकंड प्रति मेगापारसेक का मान था, जिसकी अनिश्चितता की सीमा लगभग 64.4 से 81.0 तक फैली हुई है। यह माप उन दो परस्पर विरोधी मूल्यों के बीच में स्थित है जिन्होंने क्षेत्र में तनाव पैदा किया है, जो अपूर्ण गैलेक्सी डेटा की जटिल वास्तविकता को समाहित करते हुए एक नया दृष्टिकोण प्रदान करता है।

इस कार्य का महत्व केवल उस संख्या में नहीं है जिसे इसने उत्पन्न किया है, बल्कि उस मार्ग में है जो यह भविष्य के लिए खोलता है। लेखक अपने कार्य को एक 'प्रूफ ऑफ प्रिंसिपल' (सिद्धांत का प्रमाण) के रूप में वर्णित करते हैं, जो यह दर्शाता है कि अत्यधिक सरल धारणाएं बनाए बिना वास्तविक दुनिया के गैलेक्सी डेटा की जटिलताओं को संभालना संभव है। पूर्व-निर्धारित ग्रिडों से हटकर एक ऐसी प्रणाली की ओर बढ़कर जो व्यक्तिगत नमूनों का उपयोग करती है, उन्होंने एक ऐसा उपकरण बनाया है जो हमारे गैलेक्सी मानचित्रों में सुधार के साथ अनुकूलित हो सकता है। जैसे-जैसे गुरुत्वाकर्षण तरंग डिटेक्टर अधिक संवेदनशील होते जाएंगे और हमारी आकाशगंगाओं की सूचियाँ अधिक पूर्ण होती जाएंगी, यह विधि वैज्ञानिकों को ब्रह्मांड के विस्तार के अपने मापों को अभूतपूर्व सटीकता के साथ परिष्कृत करने की अनुमति देगी। यह सुझाव देता है कि हबल तनाव को हल करने की कुंजी शायद एक एकल पूर्ण अवलोकन नहीं है, बल्कि एक मजबूत सांख्यिकीय ढांचा है जो हमारे पास मौजूद अपूर्ण, अधूरे डेटा से सीख सकता है। बहस को सुलझाने के लिए पर्याप्त सटीक माप तक पहुँचने का लक्ष्य अब पहुंच के भीतर है, बशर्ते उपकरण डेटा के साथ विकसित होते रहें।

तकनीकी सारांश: डार्क सायरन कॉस्मोलॉजी के दायरे का विस्तार

समस्या विवरण
गुरुत्वाकर्षण तरंग (GW) "डार्क सायरन" कॉस्मोलॉजी को गैलेक्सी कैटलॉग डेटा के एकीकरण के संबंध में तीन प्राथमिक चुनौतियों का सामना करना पड़ता है:

गैलेक्सी कैटलॉग की अपूर्णता: मौजूदा कैटलॉग्स में रेडशिफ्ट रेंज के ऊपर एकसमान आकाश कवरेज की कमी है और वे कॉम्पैक्ट बाइनरी कोलेसेंस (CBCs) के पता लगाए गए वॉल्यूम के लिए सीमित हैं। वर्तमान विधियाँ आमतौर पर पूर्व-निर्धारित लाइन-ऑफ-साइट (LOS) रेडशिफ्ट प्रायोरिटीज़ के साथ पिक्सेलेटेड इनकम्प्लीटनेस करेक्शन लागू करती हैं। ये पूर्व-निर्धारित प्रायोरिटीज़ होस्ट गैलेक्सी वेटिंग मॉडल्स और इनकम्प्लीटनेस करेक्शन के बारे में हार्डकोडेड धारणाओं पर निर्भर करती हैं, जो लचीलेपन को सीमित करती हैं।
रेडशिफ्ट और स्रोत गुणों का उपचार: गैलेक्सी कैटलॉग अक्सर रेडशिफ्ट और स्रोत गुणों (जैसे कि चमक, स्टेलर मास) के लिए पूर्ण पोस्टीरियर डिस्ट्रीब्यूशन के बजाय संकुचित सांख्यिकी (जैसे माध्य और मानक विचलन) प्रदान करते हैं। यह संपीड़न मापदंडों के बीच सहसंबंधों को खो देता है, और वर्तमान इनकम्प्लीटनेस करेक्शन विधियों ने गैलेक्सी कैटलॉग की अपूर्णता की भरपाई करते हुए पूर्ण पोस्टीरियर का सफलतापूर्वक उपयोग नहीं किया है।
अज्ञात होस्ट गैलेक्सी वेटिंग मॉडल: होस्ट गैलेक्सी के गुणों (जैसे स्टेलर मास, स्टार फॉर्मेशन रेट) और CBC फॉर्मेशन रेट के बीच का संबंध स्पष्ट रूप से परिभाषित नहीं है। पिछले विश्लेषणों में प्रत्येक रन के लिए फिक्स्ड होस्ट वेटिंग मॉडल (जैसे कि ल्यूमिनोसिटी-वेटेड) का उपयोग किया गया था, जिससे इस अनिश्चितता पर मार्जिनलाइजेशन (marginalization) करने में बाधा आई।

कार्यप्रणाली
लेखक एक अपडेटेड हिरार्किकल बेयसियन फ्रेमवर्क प्रस्तुत करते हैं जिसे gwcosmo सॉफ्टवेयर के भीतर कार्यान्वित किया गया है। मुख्य नवाचार पूर्व-निर्धारित, ग्रिडेड LOS रेडशिफ्ट प्रायोरिटीज़ को एक सैंपल-आधारित रेडशिफ्ट प्रायोर (Sampled Redshift Prior) से बदलना है।

सैंपलड LOS प्रायोर: ग्रिड के बजाय, प्रायोर को गैलेक्सी कैटलॉग और "लापता" गैलेक्सीज़ के लिए एक एस्ट्रोफिजिकल प्रायर से लिए गए सैंपल्स के एक सेट द्वारा दर्शाया जाता है। यह कॉस्मोलॉजिकल पैरामीटर्स ( $\Lambda_{cosmo}$ ), GW पॉपुलेशन पैरामीटर्स ( $\Lambda_{pop}$ ), और होस्ट गैलेक्सी पॉपुलेशन पैरामीटर्स ( $\Lambda_{gal}$ ) के संयुक्त अनुमान (joint inference) की अनुमति देता है।
मल्टी-रेज़ोल्यूशन पिक्सेलेशन (OIM): गैलेक्सी की संख्या के साथ कम्प्यूटेशनल मेमोरी स्केलिंग को प्रबंधित करने के लिए, लेखक एक ऑब्जर्वेशनली-इन्फॉर्म्ड मैप (OIM) पेश करते हैं। यह मैप एक मल्टी-रेज़ोल्यूशन स्कीम का उपयोग करता है जहाँ "GOOD" पिक्सेल (जिसमें अच्छी तरह से स्थानीयकृत GWs और गैलेक्सी कैटलॉग कवरेज है) उच्च-रिज़ॉल्यूशन सैंपलिंग का उपयोग करते हैं, जबकि "BAD" पिक्सेल (खराब स्थानीयकरण या कोई कैटलॉग कवरेज नहीं) एक मोटे, केवल एस्ट्रोफिजिकल-ओनली प्रायर का उपयोग करते हैं।
इनकम्प्लीटनेस करेक्शन: यह विधि इस संभावना के आधार पर मार्जिनलाइज़ करती है कि एक गैलेक्सी कैटलॉग में ( $G$ ) है या नहीं ( $\bar{G}$ )। कैटलॉग में नहीं होने वाली गैलेक्सीज़ के लिए, सैंपल्स एक एस्ट्रोफिजिकल प्रायर (जैसे कि शेच्टर फंक्शन) से लिए जाते हैं और सिलेक्शन फंक्शन (जैसे कि अपीरेंट मैग्नीट्यूड थ्रेशोल्ड) द्वारा भारित (weighted) होते हैं।
डायनेमिक रीवेटिंग: क्योंकि प्रायोर सैंपल-आधारित है, इसलिए होस्ट गैलेक्सी वेटिंग मॉडल (जिसे $\epsilon$ द्वारा पैरामीटराइज किया गया है, जहाँ वेट्स $\propto L^\epsilon$ ) को अनुमान के दौरान ऑन-द-फ्लाई लागू किया जा सकता है। यह $\epsilon$ पर मार्जिनलाइजेशन करने में सक्षम बनाता है न कि इसे ए प्रियोरी (a priori) फिक्स करने में।

प्रमुख योगदान

संयुक्त अनुमान फ्रेमवर्क: यह पेपर पहला ऐसा कार्यप्रणाली प्रदर्शित करता है जो गैलेक्सी कैटलॉग की अपूर्णता को ध्यान में रखते हुए कॉस्मोलॉजिकल पैरामीटर्स, GW पॉपुलेशन प्रॉपर्टीज और होस्ट गैलेक्सी वेटिंग मॉडल का एक साथ अनुमान लगाने में सक्षम है।
सैंपल-आधारित प्रायोर कार्यान्वयन: लेखकों ने ग्रिडेड दृष्टिकोण को बदलकर gwcosmo में सैंपलड LOS प्रायर को सफलतापूर्वक लागू किया है। यह पूर्ण गैलेक्सी पोस्टीरियर्स (जहाँ उपलब्ध हों) का उपयोग करने और सिलेक्शन इफेक्ट्स को लचीले ढंग से संभालने की अनुमति देता है।
वैलिडेशन: इस पद्धति को GLADE+ K-बैंड गैलेक्सी कैटलॉग का उपयोग करके GWTC-5.0 कॉस्मोलॉजी परिणामों के एक हिस्से को पुनरुत्पादित करके मान्य किया गया था, जो ग्रिडेड LOS प्रायर का उपयोग करके प्राप्त पिछले परिणामों के साथ सांख्यिकीय सहमति दिखाता है।

परिणाम

निरंतरता: नए सैंपलड प्रायर का उपयोग करके GWTC-5.0 डेटासेट (235 डार्क सायरन्स) के विश्लेषण ने यूनिफॉर्म ( $\epsilon=0$ ) और ल्यूमिनोसिटी-वेटेड ( $\epsilon=1$ ) दोनों होस्ट गैलेक्सी मॉडल्स के लिए पिछले ग्रिडेड दृष्टिकोण के साथ सुसंगत परिणाम दिए।
वेटिंग मॉडल का संयुक्त अनुमान: लेखकों ने हबल स्थिरांक ( $H_0$ ) और होस्ट गैलेक्सी वेटिंग पैरामीटर $\epsilon$ (मानकर कि $[0, 2]$ में यूनिफॉर्म प्रायर है) का संयुक्त रूप से अनुमान लगाने वाला एक नवीन विश्लेषण किया।
हबल स्थिरांक का मापन: डार्क सायरन्स से प्राप्त $H_0$ के मार्जिनल पोस्टीरियर को ब्राइट सायरन GW170817 के साथ जोड़कर, लेखक एक अपडेटेड माप रिपोर्ट करते हैं:
$H_0 = 71.9^{+9.1}_{-7.5} \text{ km s}^{-1} \text{ Mpc}^{-1}$
(मीडियन और 68% सिमेट्रिक क्रेडिबल इंटरवल)।
$\epsilon$ पर प्रतिबंध: पाया गया कि $\epsilon$ वर्तमान डेटासेट (GLADE+ K-band) द्वारा खराब तरीके से प्रतिबंधित है, जिसमें अधिकांश GWTC-5.0 डिटेक्शन के रेडशिफ्ट पर कम पूर्णता (completeness) है। हालांकि, विश्लेषण ने पुष्टि की कि $\epsilon$ के उच्च मान $\epsilon$ का LOS प्रायर में बढ़ी हुई संरचना के साथ सहसंबंध रखते हैं, जिससे $H_0$ के कड़े प्रतिबंध मिलते हैं, हालांकि वर्तमान डेटा के साथ पोस्टीरियर्स के कृत्रिम संकुचन के कारण उच्च $\epsilon$ तक जाने के प्रति सावधानी बरतने की सलाह दी जाती है।

महत्व और दावे
यह पेपर इस कार्य को एक "प्रूफ ऑफ प्रिंसिपल" के रूप में प्रस्तुत करता है जो इलेक्ट्रोमैग्नेटिक साइड से डार्क सायरन कॉस्मोलॉजी के सामने आने वाली तीन प्रमुख चुनौतियों को हल करने का मार्ग खोलता है। एक सैंपलड प्रायर में स्विच करके, यह पद्धति निम्नलिखित के लिए लचीलापन प्राप्त करती है:

जटिल सिलेक्शन इफेक्ट्स (जैसे मल्टी-बैंड डिपेंडेंसी) को संभालने के लिए सिंगल मैग्नीट्यूड थ्रेशोल्ड से आगे बढ़ना।
पूर्ण गैलेक्सी पोस्टीरियर्स का उपयोग करना, जो रेडशिफ्ट और स्रोत गुणों के बीच सहसंबंधों को सुरक्षित रखता है।
अज्ञात होस्ट गैलेक्सी वेटिंग मॉडल पर मार्जिनलाइज़ करना, प्रभावी रूप से कॉस्मोलॉजी के साथ CBC-होस्टिंग गैलेक्सीज़ की आबादी का अनुमान लगाना।

लेखक विनम्रतापूर्वक नोट करते हैं कि हालांकि यह पद्धति आशाजनक है, इसकी मजबूती इस बात पर निर्भर करती है कि प्रायर का सटीक प्रतिनिधित्व करने के लिए पर्याप्त सैंपल्स उपलब्ध हैं या नहीं, और जैसे-जैसे मॉडल की जटिलता बढ़ती है, स्थिरता सुनिश्चित करने के लिए महत्वपूर्ण विकासात्मक कार्य की आवश्यकता है। वे निष्कर्ष निकालते हैं कि बेहतर गैलेक्सी कैटलॉग और GW लोकलाइजेशन के साथ, 2030 के दशक के मध्य तक $H_0$ का 2% मापन करने का लक्ष्य प्राप्त करने योग्य बना हुआ है।

इसी तरह के और पेपर