گردشی منحنیوں سے کمزور عدسہ گری تک: توانائی ریشہ نظریہ (Energy Filament Theory, EFT) کے اوسط ثقلی ردِعمل کو کیسے پرکھا جائے
مطالعہ نوٹ |
یہ ایک “تشریحی نسخہ” ہے، کوئی دوسری علمی رپورٹ نہیں۔ یہ اصل P1 رپورٹ پر مبنی ہے، کلیدی شکلیں اور جدولیں برقرار رکھتا ہے، اور ہر اہم مرحلے پر عوامی وضاحت جوڑتا ہے: “اس کا مطلب کیا ہے؟” |
یہ متن صرف P1 کے ان نتائج کی تشریح کرتا ہے جو اس کے مقررہ ڈیٹاسیٹس، پیرامیٹر لیجر اور شماریاتی پروٹوکول کے تحت نکلتے ہیں: کہکشانی گردشی منحنیوں (RC) اور کہکشاں-کہکشاں کمزور عدسہ گری (GGL) کی مشترک آزمائش میں EFT کا اوسط ثقلی ردِعمل ماڈل اس متن میں آزمائے گئے کم سے کم DM_RAZOR baseline سے واضح طور پر آگے ہے۔ |
یہ متن P1 کو “تاریک مادہ کو رد کرنے” کا نتیجہ نہیں بناتا۔ P1 صرف P سلسلے کا پہلا قدم ہے؛ یہ EFT کے “اوسط ثقلی بنیاد” نامی ایک قابلِ مشاہدہ سطح کو جانچتا ہے، نہ کہ پوری EFT نظریہ کی تمام ساخت کو۔ |
I. پانچ منٹ میں P1 کو سمجھیں: یہ کام اصل میں کیا کر رہا ہے؟
P1 کو ایک ایسی آزمائش سمجھا جا سکتا ہے جس میں مختلف مشاہداتی پروب ایک دوسرے کی تصدیق کرتے ہیں۔ یہ صرف نہیں پوچھتا کہ کوئی ماڈل ایک ڈیٹاسیٹ کو فٹ کر سکتا ہے یا نہیں؛ یہ دو بالکل مختلف ثقلی قراءات کو ایک ہی آڈٹ میز پر رکھتا ہے: گردشی منحنی (RC) کہکشانی قرص کی حرکیات پڑھتے ہیں، جبکہ کہکشاں-کہکشاں کمزور عدسہ گری (GGL) بڑے پیمانے پر پروجیکٹڈ ثقلی ردِعمل پڑھتی ہے۔
- RC ایک “رفتار پیما” کی طرح ہے: یہ بتاتا ہے کہ کہکشانی قرص میں گیس اور ستارے مختلف رداسوں پر کتنی تیزی سے گھومتے ہیں۔
- GGL ایک “ترازو” کی طرح ہے: پس منظر کی روشنی پیش منظر کہکشاؤں سے کتنی ہلکی سی مڑتی ہے، اس سے کہکشاؤں کے گرد بڑے پیمانے پر اوسط ثقل/کمیت کی تقسیم کا اندازہ لگایا جاتا ہے۔
- P1 کا مرکزی سوال یہ ہے: کیا ایک ہی ماڈل پہلے RC سے قانونیت سیکھ سکتا ہے اور پھر اسی قانونیت کو GGL پر منتقل کرنے کے بعد بھی معقول رہتا ہے؟
P1 کا سب سے مرکزی جملہ |
P1 موازنے کی دہلیز کو “کیا اکیلے فٹ اچھا ہے؟” سے بڑھا کر “کیا بین-پروب بندش ہو سکتی ہے؟” تک لے جاتا ہے۔ درست میپنگ کے تحت اچھی کارکردگی اور shuffle کے بعد اشارے کا گر جانا یہ بتاتا ہے کہ ماڈل نے غالباً RC اور GGL کے درمیان مشترک ثقلی ساخت پکڑی ہے۔ |
جدول 0 | P1 کے بنیادی اعداد اور عام قارئین کے لیے پڑھنے کا طریقہ
اشاریہ | P1 / P1A میں اسے کیسے پڑھیں | عام قاری اسے کیسے سمجھے |
مشترک فٹنگ ΔlogL_total | مرکزی موازنے میں EFT، DM_RAZOR کے مقابل 1155–1337 ہے | دونوں ڈیٹاسیٹ کو ملا کر کل اسکور کا فرق؛ جتنا بڑا ہو، مجموعی وضاحت اتنی بہتر ہے۔ |
بندش کی قوت ΔlogL_closure | مرکزی موازنے میں EFT 172–281 ہے، DM_RAZOR 127 ہے | صرف RC سے استنباط کے بعد GGL کی پیش گوئی کی صلاحیت؛ جتنا بڑا، اتنی زیادہ “بین-پروب خود مطابقت”۔ |
منفی کنٹرول shuffle | RC-bin→GGL-bin کو shuffle کرنے کے بعد EFT کا بندش اشارہ 6–23 تک گر جاتا ہے | اگر درست مطابقت ٹوٹ جائے تو برتری ختم ہونی چاہیے؛ جتنا واضح خاتمہ ہو، جعلی اشارے کو اتنا ہی بہتر رد کیا جا سکتا ہے۔ |
P1A کی کثیر DM دباؤ آزمائش | DM 7+1 + DM_STD، اور EFT_BIN کو کنٹرول کے طور پر برقرار رکھا گیا | P1A صرف کم سے کم DM_RAZOR کو نہیں دیکھتا؛ یہ کئی کم بُعدی، قابلِ آڈٹ DM تقویتی شاخوں کو اسی بندش پروٹوکول میں رکھتا ہے۔ |
II. P1 کیوں کیا جائے: آج کہکشانی پیمانے کی کونیات کہاں اٹکتی ہے؟
کہکشانی پیمانے کا مسئلہ اس لیے طویل عرصے سے مشکل ہے کہ “اضافی ثقل/کمیت کی ضرورت” صرف گردشی منحنیوں کا معاملہ نہیں۔ بہت سی مشاہدات دکھاتی ہیں کہ کہکشاؤں میں نظر آنے والے باریونی مادے اور حقیقی حرکی/عدسہ گری قراءات کے درمیان نہایت مضبوط ربط ہے۔ تاریک مادے کے راستے کے لیے اس کا مطلب ہے کہ تاریک ہالہ، باریونی فیڈبیک، کہکشاں کی تشکیل کی تاریخ اور مشاہداتی نظاماتی خطائیں بہت باریک ہم آہنگی چاہتی ہیں؛ غیر تاریک مادہ ثقلی راستوں کے لیے اس کا مطلب ہے کہ ماڈل صرف RC پر اچھا نہیں دکھ سکتا بلکہ کمزور عدسہ گری، آبادی کے پیمانہ قوانین اور منفی کنٹرولز میں بھی قائم رہنا چاہیے۔
یہی P1 کی محرک وجہ ہے۔ یہ “تاریک مادہ غلط ہے” یا “EFT لازماً درست ہے” سے آغاز نہیں کرتا؛ یہ ایک قابلِ آزمائش دعوے کو کٹہرے میں لاتا ہے: کیا توانائی ریشہ نظریہ (Energy Filament Theory, EFT) کا اوسط ثقلی ردِعمل RC→GGL کی بین-پروب بندش میں ایسا اشارہ چھوڑتا ہے جو قابلِ تولید اور قابلِ انتقال ہو؟
خارجی ادب کا پس منظر: RC+GGL کی یہ کھڑکی کیوں اہم ہے؟ |
McGaugh، Lelli اور Schombert نے 2016 میں radial acceleration relation (RAR) پیش کیا، جس سے ظاہر ہوا کہ گردشی منحنیوں سے حاصل مشاہداتی تعجیل اور باریونی مادے سے متوقع تعجیل کے درمیان مضبوط ربط ہے اور پھیلاؤ کم ہے۔ اس نے “باریون—ثقلی ردِعمل coupling” کو کہکشانی پیمانے کے نظریات کا ناگزیر مسئلہ بنا دیا۔ |
Brouwer وغیرہ نے 2021 میں KiDS-1000 کمزور عدسہ گری کے ذریعے RAR کو کم تعجیل اور بڑے رداس کے علاقوں تک بڑھایا، اور MOND، Verlinde emergent gravity اور LambdaCDM ماڈلوں کا موازنہ کیا؛ انہوں نے یہ بھی نشاندہی کی کہ early/late-type کہکشاؤں کا فرق، گیس ہالہ اور galaxy–halo connection ابھی کلیدی توضیحی مسائل ہیں۔ |
Mistele وغیرہ نے 2024 میں کمزور عدسہ گری سے isolated galaxies کے circular velocity curves الٹ کر نکالے، اور رپورٹ کیا کہ وہ سیکڑوں kpc بلکہ تقریباً 1 Mpc تک بھی واضح طور پر نہیں گرتے، اور BTFR سے مطابقت رکھتے ہیں۔ اس سے ظاہر ہوتا ہے کہ کمزور عدسہ گری کہکشانی پیمانے کے ثقلی ردِعمل کو جانچنے کی اہم بیرونی reading بنتی جا رہی ہے۔ |
اسی لیے P1 کی قدر اس میں نہیں کہ یہ “RC اور GGL کو پہلی بار ایک ساتھ زیر بحث لاتا ہے”، بلکہ اس میں ہے کہ یہ دونوں کو ایک قابلِ آڈٹ پروٹوکول میں رکھتا ہے: مقررہ میپنگ، پیرامیٹر لیجر، RC-only→GGL بندش، shuffle منفی کنٹرول، اور P1A کی کثیر DM دباؤ آزمائشیں۔
III. P1 میں EFT سے کیا مراد ہے؟ یہ مؤثر میدان نظریہ نہیں
یہاں EFT سے مراد توانائی ریشہ نظریہ (Energy Filament Theory, EFT) ہے، فزکس میں عام مؤثر میدان نظریہ (Effective Field Theory) نہیں۔ P1 تکنیکی رپورٹ میں EFT کو نہایت محتاط انداز میں استعمال کیا گیا ہے: اسے مکمل آخری نظریے کے طور پر مقابلے میں نہیں لایا گیا، بلکہ پہلے ایک مشاہدہ پذیر، قابلِ فٹ اور قابلِ تردید “اوسط ثقلی ردِعمل” کی پیرامیٹرائزیشن میں سمیٹا گیا ہے۔
سادہ لفظوں میں: P1 اضافی ثقل کے تمام خرد منبعوں پر بحث نہیں کرتا اور نہ ہی پوری EFT کو ایک ہی بار ثابت کرنے کی کوشش کرتا ہے۔ یہ ایک زیادہ تنگ اور سخت سوال پوچھتا ہے: اگر کہکشانی پیمانے پر کسی نوع کا اوسط اضافی ثقلی ردِعمل موجود ہے تو کیا وہ پہلے RC کی وضاحت کر کے پھر GGL کی پیش گوئی میں منتقل ہو سکتا ہے؟
P1، EFT کے کس حصے کو پکڑتا ہے؟ |
P1 “اوسط ثقلی بنیاد” (mean gravity floor) کو پکڑتا ہے: ایک شماریاتی طور پر مستحکم اوسط حصہ جو مختلف نمونوں کے درمیان منتقل ہو سکتا ہے۔ |
P1 فی الحال “شور کی بنیاد” (stochastic / noise floor) کو نہیں لیتا: یعنی زیادہ خرد fluctuation processes سے آنے والے random terms، انفرادی فرق یا اضافی dispersion۔ |
P1 مکمل خرد میکانزم، abundance، lifespan یا عالمی کونیاتی constraints پر بھی بحث نہیں کرتا۔ یہ P سلسلے کا پہلا قدم ہے، حتمی فیصلہ نہیں۔ |
IV. P سلسلہ منصوبہ: پہلا قدم “اوسط بنیاد” سے کیوں شروع ہوتا ہے؟
P سلسلے کو EFT کا مشاہداتی بازیافت منصوبہ سمجھا جا سکتا ہے۔ یہ تمام دعووں کو ایک ساتھ نہیں کھولتا؛ پہلے وہ حصہ الگ کرتا ہے جسے عوامی ڈیٹا سب سے آسانی سے جانچ سکتا ہے۔ P1 کی حکمتِ عملی اوسط جزو کو پہلے پرکھنا ہے: اگر اوسط ثقلی ردِعمل RC→GGL میں بھی بند نہیں ہو پاتا، تو زیادہ پیچیدہ شور کے اجزا یا خرد میکانزم پر بحث کا راستہ ہی کمزور رہ جاتا ہے۔
جدول 1 | P سلسلے کی تہہ وار پوزیشن
سطح | پوچھا جانے والا سوال | P1 میں مقام |
P1 | کیا اوسط ثقلی ردِعمل RC→GGL میں بند ہو سکتا ہے؟ | موجودہ رپورٹ کا مرکزی سوال |
P1A | اگر DM کی طرف کو کچھ مضبوط کیا جائے تو کیا نتیجہ قائم رہتا ہے؟ | ضمیمہ B: DM 7+1 + DM_STD دباؤ آزمائش |
آئندہ P سلسلہ | کیا اسے زیادہ ڈیٹا، زیادہ پروب اور زیادہ پیچیدہ نظاماتی خطاؤں تک بڑھایا جا سکتا ہے؟ | آئندہ کام کی سمت |
زیادہ گہرا سوال | اوسط جزو، شور کا جزو اور خرد میکانزم ایک دوسرے سے کیسے جڑتے ہیں؟ | P1 کے نتیجہ دائرے میں شامل نہیں |
V. ڈیٹا کیا ہے؟ RC اور GGL الگ الگ ہمیں کیا بتاتے ہیں؟
V.I. گردشی منحنی RC: کہکشانی قرص کا “رفتار پیمانہ”
گردشی منحنی یہ ریکارڈ کرتے ہیں کہ کہکشاں کے مرکز سے مختلف رداسوں پر گیس اور ستارے مرکز کے گرد کتنی تیزی سے گھومتے ہیں۔ رفتار جتنی زیادہ ہو، اس رداس پر اتنی ہی زیادہ مرکز مائل قوت درکار ہوتی ہے، یعنی مؤثر ثقل بھی اتنی ہی مضبوط ہوتی ہے۔ P1، SPARC ڈیٹابیس استعمال کرتا ہے؛ پیشگی پروسیسنگ کے بعد اس میں 104 کہکشائیں، 2295 رفتار ڈیٹا پوائنٹس شامل کیے گئے اور انہیں 20 RC-bin میں تقسیم کیا گیا۔
V.II. کمزور عدسہ گری GGL: بڑے پیمانے کا “ثقلی ترازو”
کہکشاں-کہکشاں کمزور عدسہ گری یہ ناپتی ہے کہ پیش منظر کہکشائیں پس منظر کہکشاؤں کی روشنی کو کس قدر ہلکا سا موڑتی ہیں۔ یہ بڑے، ہالہ پیمانے پر پروجیکٹڈ ثقلی ردِعمل سے متعلق ہے اور کہکشانی گیس کی حرکیات کی باریکیوں پر منحصر نہیں۔ P1، KiDS-1000 / Brouwer وغیرہ 2021 کے عوامی GGL ڈیٹا استعمال کرتا ہے: ستاروی کمیت کے 4 bins، ہر bin میں 15 رداسی نقاط، کل 60 ڈیٹا پوائنٹس، اور مکمل کوواریانس کے ساتھ۔
V.III. مقررہ میپنگ: 20 RC-bin → 4 GGL-bin اتنا اہم کیوں ہے؟
P1، 20 RC-bin کو 4 GGL-bin سے ایک مقررہ قاعدے کے ذریعے جوڑتا ہے: ہر GGL-bin کے ساتھ 5 RC-bin وابستہ ہیں، اور کہکشاؤں کی تعداد کے وزن سے اوسط لیا جاتا ہے۔ یہ میپنگ تمام ماڈلوں کے لیے بدلتی نہیں؛ بندش آزمائش اور منصفانہ موازنے کی سخت شرط یہی ہے۔
میپنگ کو بعد میں کیوں ایڈجسٹ نہیں کیا جا سکتا؟ |
اگر بعد میں یہ چننے دیا جائے کہ “کون سے RC-bin کن GGL-bin سے ملیں”، تو ماڈل مطابقتوں کو ترتیب دے کر بندش بنا سکتا ہے۔ P1 پہلے سے 20→4 میپنگ کو lock کرتا ہے اور shuffle منفی کنٹرول سے اسے جان بوجھ کر توڑتا ہے، تاکہ دیکھا جا سکے کہ بندش اشارہ واقعی طبیعی طور پر معقول مطابقت پر منحصر ہے یا نہیں۔ |
VI. ماڈل اور طریقہ: P1 اصل میں کس چیز کا موازنہ کر رہا ہے؟
VI.I. EFT کی طرف: کم بُعدی اوسط ثقلی ردِعمل
EFT کی طرف اوسط ثقلی ردِعمل کو بیان کرنے کے لیے ایک کم بُعدی اضافی رفتار جزو استعمال کیا جاتا ہے: اضافی جزو کی شکل بے بُعد کرنل فنکشن f(r/ℓ) سے کنٹرول ہوتی ہے، ℓ ایک عالمی پیمانہ ہے، اور امپلی ٹیوڈ RC-bin کے حساب سے دی جاتی ہے۔ مختلف کرنل فنکشنز مختلف ابتدائی ڈھلان، منتقلی کی رفتار اور دور رس دم کی نمائندگی کرتے ہیں؛ انہیں مضبوطی کی دباؤ آزمائشوں میں استعمال کیا جاتا ہے۔
VI.II. DM کی طرف: متن کی مرکزی تقابل اور ضمیمہ P1A کو الگ پڑھنا ضروری ہے
مرکزی متن کے موازنے میں DM_RAZOR ایک کم سے کم، قابلِ آڈٹ NFW baseline ہے: c–M تعلق مقرر ہے؛ اس میں halo-to-halo scatter، اڈیابیٹک سکڑاؤ، feedback core، غیر کروی پن یا ماحولیاتی اجزا شامل نہیں۔ اس ڈیزائن کا فائدہ یہ ہے کہ آزادی درجات قابو میں رہتے ہیں اور نتیجہ آسانی سے دہرایا جا سکتا ہے؛ حد یہ ہے کہ یہ تمام LambdaCDM یا تاریک مادہ ہالہ ماڈلوں کی نمائندگی نہیں کرتا۔
اسی لیے ضمیمہ B (P1A) میں DM کی طرف کو “معیاری دباؤ آزمائشوں” کے ایک مجموعے میں بدلا گیا ہے: مشترک میپنگ اور بندش پروٹوکول کو بدلے بغیر SCAT، AC، FB، HIER_CMSCAT، CORE1P، lensing m، اور مرکب baseline DM_STD جیسے کم بُعدی تقویتی شاخیں بتدریج شامل کی جاتی ہیں، جبکہ EFT_BIN کو کنٹرول کے طور پر رکھا جاتا ہے۔ P1A کو یوں سمجھیں: موازنہ صرف ایک کم سے کم DM baseline سے نہیں، بلکہ عام اور قابلِ آڈٹ DM میکانزم کے ایک مجموعے کو ایک ہی “بندش پیمانے” پر ناپنے سے ہے۔
اس متن میں استعمال ہونے والا محتاط نتیجہ بیان |
مرکزی متن: مرکزی موازنے میں EFT سلسلہ کم سے کم DM_RAZOR سے نمایاں طور پر بہتر ہے۔ |
ضمیمہ B / P1A: کئی کم بُعدی، قابلِ آڈٹ DM تقویتی شاخوں اور DM_STD دباؤ آزمائش کے تحت DM کی کچھ مشترک فٹنگ بہتر ہو سکتی ہے، مگر بندش کی قوت EFT_BIN کی برتری ختم نہیں کرتی۔ |
اس لیے سب سے محتاط بیان یہ ہے: P1/P1A کے ڈیٹا، میپنگ، پیرامیٹر لیجر اور بندش پروٹوکول کے اندر EFT کا اوسط ثقلی ردِعمل زیادہ مضبوط بین-ڈیٹا مطابقت دکھاتا ہے؛ یہ تمام تاریک مادہ ماڈلوں کو خارج کرنے کے برابر نہیں۔ |
VI.III. بندش آزمائش: P1 کی سب سے اہم تجرباتی منطق
1. صرف RC سے فٹنگ کی جاتی ہے اور RC-only posterior نمونوں کا ایک مجموعہ حاصل کیا جاتا ہے۔
2. GGL سے دوبارہ پیرامیٹر نہیں بدلے جاتے؛ RC posterior کو براہِ راست GGL کی پیش گوئی کے لیے استعمال کیا جاتا ہے۔
3. مکمل کوواریانس کے ساتھ درست میپنگ کے تحت GGL پیش گوئی کا اسکور logL_true نکالا جاتا ہے۔
4. RC-bin→GGL-bin کی مطابقت کو بے ترتیب طور پر shuffle کیا جاتا ہے اور منفی کنٹرول logL_perm حساب کیا جاتا ہے۔
5. دونوں کو منہا کر کے بندش کی قوت حاصل ہوتی ہے: ΔlogL_closure = <logL_true> − <logL_perm>۔
سادہ تشبیہ |
بندش آزمائش دو امتحان گاہوں میں دوبارہ امتحان جیسی ہے: ماڈل پہلے RC کے کمرے میں قانونیت سیکھتا ہے، پھر GGL کے کمرے میں جواب دیتا ہے۔ اگر اس نے واقعی مشترک قانونیت سیکھی ہو، مقامی چال نہیں، تو کمرہ بدلنے کے بعد بھی اچھا جواب دینا چاہیے؛ اور اگر امتحان گاہوں کی مطابقت جان بوجھ کر shuffle کر دی جائے تو برتری ختم ہو جانی چاہیے۔ |
VI.IV. تکنیکی جدولیں پڑھنے سے پہلے: پہلے یہ چار راستے سمجھ لیں
جدول 5.4 | اگلی افقی تکنیکی جدولوں کو پڑھنے کا راستہ
داخلی راستہ | کیا دیکھنا ہے | یہ کیوں اہم ہے |
جدول S1a | RC+GGL مشترک فٹنگ کا کل اسکور | یہ سوال جواب کرتا ہے: “دونوں ڈیٹاسیٹ ساتھ دیکھے جائیں تو کس کی مجموعی وضاحت زیادہ مضبوط ہے؟” |
جدول S1b | بندش کی قوت، shuffle، مضبوطی کے scans | یہ سوال جواب کرتا ہے: “RC سے سیکھی چیز GGL تک منتقل ہو سکتی ہے یا نہیں؟” |
جدول B0 | P1A میں کئی DM تقویتی شاخوں کی تعریفیں | P1 کو “صرف کم سے کم DM_RAZOR سے موازنہ” بنا کر سادہ کرنے سے بچاتا ہے۔ |
جدول B1 | P1A کا بندش اور مشترک scoreboard | دیکھتا ہے کہ DM مضبوط کرنے کے بعد بندش کی برتری ختم ہوتی ہے یا نہیں۔ |
ترتیبِ صفحہ نوٹ |
اگلے صفحے سے landscape pages استعمال کیے گئے ہیں تاکہ اصل رپورٹ کی چوڑی جدولیں پوری محفوظ رہیں، نہ columns حذف ہوں نہ انہیں ناقابلِ مطالعہ حد تک دبایا جائے۔ مرکزی تشریح پہلے ہی عام قارئین کے لیے پڑھنے کا طریقہ دے چکی ہے؛ افقی تکنیکی جدولیں ان لوگوں کے لیے ہیں جو عددی اقدار اور ماڈل شاخیں چیک کرنا چاہتے ہیں۔ |
شکل 0.1 | ایک شکل میں P1 کی بندش آزمائش کا بہاؤ
وضاحت: اوپر والی زنجیر “بندش آزمائش” ہے (صرف RC سے فٹ → RC posterior سے GGL کی پیش گوئی)؛ نیچے والی زنجیر “مشترک فٹنگ” ہے (RC+GGL کو اکٹھا اسکور کیا جاتا ہے)۔ دائیں طرف حقیقی میپنگ کو shuffle میپنگ سے موازنہ کر کے بندش کی قوت ΔlogL حاصل کی جاتی ہے۔
VII. کلیدی تکنیکی جدولیں: اصل رپورٹ کی مرکزی جدولیں اور P1A جدولیں
جدول S1a | مشترک فٹنگ کے مرکزی تقابلی اشاریے (RC+GGL، Strict؛ اصل رپورٹ سے محفوظ)
ماڈل (workspace) | W کرنل | k | مشترک logL_total (best) | ΔlogL_total vs DM | AICc | BIC |
DM_RAZOR | none | 20 | -16927.763 | 0.0 | 33895.885 | 34010.811 |
EFT_BIN | none | 21 | -15590.552 | 1337.21 | 31223.501 | 31344.155 |
EFT_WEXP | exponential | 21 | -15668.83 | 1258.932 | 31380.057 | 31500.711 |
EFT_WYUK | yukawa | 21 | -15772.936 | 1154.827 | 31588.268 | 31708.922 |
EFT_WPOW | powerlaw_tail | 21 | -15633.321 | 1294.442 | 31309.038 | 31429.692 |
جدول S1b | بندش اور مضبوطی کے اشاریے (Strict؛ اصل رپورٹ سے محفوظ)
ماڈل (workspace) | بندش ΔlogL (true-perm) | منفی کنٹرول shuffle کے بعد ΔlogL | σ_int scan میں ΔlogL کی حد | R_min scan میں ΔlogL کی حد | cov-shrink scan میں ΔlogL کی حد |
DM_RAZOR | 126.678 | 22.725 | — | — | — |
EFT_BIN | 231.611 | 14.984 | 459–1548 | 1243–1289 | 1337–1351 |
EFT_WEXP | 171.977 | 6.04 | 408–1471 | 1169–1207 | 1259–1277 |
EFT_WYUK | 179.808 | 14.688 | 380–1341 | 1065–1099 | 1155–1166 |
EFT_WPOW | 280.513 | 6.672 | 457–1500 | 1203–1247 | 1294–1308 |
جدول B0 | P1A میں DM تقویتی شاخوں کی تعریفیں (اصل رپورٹ کے ضمیمہ B سے محفوظ)
Workspace | dm_model | نئے پیرامیٹرز (≤1) | طبیعی محرک (مرکزی) | عملدرآمد اصول (آڈٹ دوست) |
DM_RAZOR | NFW (fixed c–M, no scatter) | — | کم سے کم، قابلِ آڈٹ LambdaCDM ہالہ baseline؛ EFT کے ساتھ سخت کنٹرول موازنے کے لیے | مشترک میپنگ مقرر؛ پیرامیٹر لیجر سخت؛ baseline صرف نسبتی موازنے کے لیے |
DM_RAZOR_SCAT | NFW + c–M scatter（legacy） | σ_logc | c–M تعلق میں scatter موجود ہے؛ ایک پیرامیٹر log-normal scatter سے تقریباً لیا گیا | ≤1 نیا پیرامیٹر؛ مشترک میپنگ برقرار؛ قبولیت کا معیار بندش gain ہے |
DM_RAZOR_AC | NFW + Adiabatic Contraction（legacy） | α_AC | باریون کا اندر گرنا ہالہ میں اڈیابیٹک سکڑاؤ لا سکتا ہے؛ ایک پیرامیٹر شدت سے تقریباً لیا گیا | ≤1 نیا پیرامیٹر؛ میپنگ نہیں بدلتی؛ AICc/BIC تبدیلی اور بندش gain رپورٹ کیا جاتا ہے |
DM_RAZOR_FB | NFW + feedback core（legacy） | log r_core | feedback اندرونی خطے میں core بنا سکتا ہے؛ ایک پیرامیٹر core scale سے تقریباً لیا گیا | ≤1 نیا پیرامیٹر؛ بندش/منفی کنٹرول ایک ہی معیار پر؛ RC-only بہتری واحد مقصد نہیں |
DM_HIER_CMSCAT | Hierarchical c–M scatter + prior | σ_logc（hier） | زیادہ معیاری hierarchical صورت c_i∼logN(c(M_i),σ_logc)؛ RC اور GGL کے مشترک posterior کو ساتھ متاثر کرتی ہے | واضح prior؛ latent c_i کو marginalize کیا گیا؛ پھر بھی کم بُعدی اور قابلِ آڈٹ رہتا ہے |
DM_CORE1P | 1‑parameter core proxy (coreNFW/DC14‑inspired) | log r_core | ایک پیرامیٹر core proxy سے baryonic feedback کا مرکزی اثر لیا گیا، تاکہ بلند بُعدی star-formation details سے بچا جا سکے | معیاری ادب کا حوالہ؛ ≤1 نیا پیرامیٹر؛ بندش آزمائش سے بندھا ہوا |
DM_RAZOR_M | NFW + lensing shear‑calibration nuisance | m_shear（GGL） | کمزور عدسہ گری کی طرف کی کلیدی نظاماتی خطا کو ایک مؤثر پیرامیٹر میں جذب کرتا ہے، تاکہ “systematics کو physics سمجھنے” کا خطرہ کم ہو | nuisance واضح طور پر لیجر میں؛ RC پر الٹا اثر ڈالنے کی اجازت نہیں؛ نتیجہ بنیادی طور پر بندش کی مضبوطی سے پڑھا جاتا ہے |
DM_STD | Standardized DM baseline (HIER_CMSCAT + CORE1P + m) | σ_logc + log r_core (+ m_shear) | تین عام ترین اعتراضات کو ایک ایسے standard baseline میں اکٹھا کرتا ہے جو ابھی کم بُعدی ہے | پیرامیٹر لیجر + information criteria ساتھ رپورٹ؛ بندش مرکزی اشاریہ؛ مضبوط ترین DM دفاعی کنٹرول کے طور پر |
جدول B1 | P1A scoreboard (جتنا بڑا اتنا بہتر؛ اصل رپورٹ کے ضمیمہ B سے محفوظ)
ماڈل شاخ (workspace) | Δk | RC-only best logL_RC (Δ) | بندش کی قوت ΔlogL_closure (Δ) | Joint best logL_total (Δ) |
DM_RAZOR | 0 | -15702.654 (+0.000) | 122.205 (+0.000) | -27347.068 (+0.000) |
DM_RAZOR_SCAT | 1 | -15702.294 (+0.361) | 121.236 (-0.969) | -23153.311 (+4193.758) |
DM_RAZOR_AC | 1 | -15703.689 (-1.035) | 121.531 (-0.674) | -23982.557 (+3364.511) |
DM_RAZOR_FB | 1 | -15496.046 (+206.609) | 129.454 (+7.249) | -27478.531 (-131.463) |
DM_HIER_CMSCAT | 1 | -15702.644 (+0.010) | 121.978 (-0.227) | -23153.160 (+4193.908) |
DM_CORE1P | 1 | -15723.158 (-20.504) | 122.056 (-0.149) | -27336.258 (+10.810) |
DM_RAZOR_M | 0 (+m) | -15702.654 (+0.000) | 122.205 (+0.000) | -27340.451 (+6.617) |
DM_STD | 2 (+m) | -15832.203 (-129.549) | 105.690 (-16.515) | -22984.445 (+4362.623) |
EFT_BIN | 1 | -14631.537 (+1071.117) | 204.620 (+82.415) | -19001.142 (+8345.926) |
جدول B1 (P1A scoreboard) کو کیسے پڑھیں |
• Δk: نئے آزادی درجات (بڑی قدر ماڈل کی زیادہ پیچیدگی بتاتی ہے؛ زیادہ پیچیدہ ہونا لازماً بہتر نہیں)۔ • دو columns پر خاص توجہ دیں: بندش کی قوت ΔlogL_closure(Δ) (جتنی زیادہ، اتنی بہتر “منتقلی خود مطابقت”) اور Joint best logL_total(Δ) (مشترک فٹنگ کا کل اسکور)۔ • قوسین میں (Δ) DM_RAZOR کے مقابل فرق دکھاتا ہے، تاکہ براہِ راست موازنہ آسان ہو۔ |
• اس جدول کا اصل سوال یہ ہے: جب DM baseline کو “معقول طور پر مضبوط” کیا جائے تو کیا بندش کی برتری ختم ہو جاتی ہے؟ • پڑھنے کا اشارہ: DM_STD کا مشترک اسکور واضح طور پر بڑھتا ہے، لیکن بندش کی قوت الٹا کم ہو جاتی ہے؛ EFT_BIN بندش کی قوت میں پھر بھی زیادہ رہتا ہے۔ |
ایک جملے کا خلاصہ: اس کم بُعدی، قابلِ آڈٹ DM تقویتی دائرے میں مشترک فٹنگ بہتر کرنا خود بخود مضبوط بندش نہیں بناتا؛ بندش، یعنی قابلِ انتقالی، اب بھی کلیدی معیار ہے۔ |
VIII. اہم نتائج کو کیسے پڑھا جائے؟
VIII.I. مشترک فٹنگ: دونوں ڈیٹاسیٹ ساتھ دیکھیں تو EFT کا مرکزی تقابلی اسکور زیادہ ہے
جدول S1a اور شکل S4 دکھاتے ہیں کہ ایک ہی ڈیٹا، ایک ہی مشترک میپنگ اور تقریباً ایک جیسے پیرامیٹر پیمانے کے تحت EFT سلسلے کا DM_RAZOR کے مقابل مشترک ΔlogL_total 1155–1337 ہے۔ عام قاری اسے یوں سمجھ سکتا ہے: RC اور GGL دونوں ڈیٹاسیٹ کو ایک ہی scoring rule کے تحت ملا کر دیکھا جائے تو EFT مرکزی تقابلی ماڈل کا کل اسکور زیادہ ہے۔
VIII.II. بندش آزمائش: P1 سب سے زیادہ “قابلِ انتقالی” پر زور دینا چاہتا ہے
بندش کی قوت زیادہ ہو تو اس کا مطلب ہے کہ ماڈل صرف RC سے اخذ کردہ پیرامیٹرز کے ذریعے، GGL کو دوبارہ دیکھے بغیر، GGL کی بہتر پیش گوئی کر سکتا ہے۔ P1 رپورٹ میں EFT کا ΔlogL_closure 172–281 ہے، جبکہ DM_RAZOR کا 127 ہے۔ یہ نتیجہ “دونوں اپنی اپنی فٹنگ میں ٹھیک ہیں” سے زیادہ اہم ہے، کیونکہ یہ دوسری ڈیٹاسیٹ پر ماڈل کی آزادی کو محدود کرتا ہے۔
VIII.III. منفی کنٹرول: “اشارے کا گر جانا” اچھی بات کیوں ہے؟
P1 جب RC-bin→GGL-bin کی گروہ بندی کو بے ترتیب طور پر shuffle کرتا ہے تو EFT کا بندش اشارہ 6–23 کی سطح تک گر جاتا ہے۔ عام قاری کے لیے یہ قدم “دھوکا روکنے” جیسا ہے: اگر بندش کی برتری صرف کوڈ، اکائیوں، کوواریانس یا فٹنگ کے اتفاق سے آئی ہوتی تو shuffle کے بعد بھی برتری رہ سکتی تھی؛ مگر اصل نتیجہ برتری کا گر جانا ہے، جو بتاتا ہے کہ اشارہ درست میپنگ پر منحصر ہے۔
شکل S3 | بندش کی قوت (جتنا بڑا اتنا بہتر): RC-only → GGL پیش گوئی میں اوسط log likelihood کی برتری۔
اس شکل کو کیسے پڑھیں |
یہ شکل P1 کا مرکز ہے۔ ستون جتنا اونچا ہو، اتنا ہی زیادہ وہ معلومات GGL تک منتقل ہوتی ہیں جو ماڈل نے RC سے سیکھی۔ |
EFT سلسلہ مجموعی طور پر DM_RAZOR سے اوپر ہے، جس سے ظاہر ہے کہ “پہلے RC سیکھو، پھر GGL کی پیش گوئی کرو” والے تجربے میں EFT کی بین-پروب بندش زیادہ مضبوط ہے۔ |
شکل S4 | مشترک فٹنگ کی برتری (جتنا بڑا اتنا بہتر): RC+GGL کا best logL_total، DM_RAZOR کے مقابل۔
اس شکل کو کیسے پڑھیں |
یہ شکل RC اور GGL کو ملانے کے بعد کل اسکور کو دیکھتی ہے۔ |
EFT سلسلہ کے تمام ماڈل 0 سے نمایاں اوپر ہیں؛ اس کا مطلب ہے کہ مرکزی موازنے میں EFT کی برتری کسی ایک نقطے کا مقامی واقعہ نہیں بلکہ مشترک تجزیے کی مجموعی کارکردگی ہے۔ |
شکل R1 | منفی کنٹرول: shuffle گروہ بندی کے بعد بندش اشارہ نمایاں طور پر کم ہو جاتا ہے۔
اس شکل کو کیسے پڑھیں |
یہ شکل دکھاتی ہے کہ جیسے ہی درست RC↔GGL bin تعلق کو shuffle کیا جاتا ہے، بندش اشارہ نمایاں طور پر کم ہو جاتا ہے۔ |
اس سے P1 کا نتیجہ کسی بھی میپنگ سے مل جانے والی عددی اتفاقیت کے بجائے بین-ڈیٹا میپنگ کی حقیقی مطابقت جیسا دکھتا ہے۔ |
IX. مضبوطی اور کنٹرول: P1 یہ کیسے روکتا ہے کہ نتیجہ صرف “اچھی پیرامیٹر فٹنگ” نہ ہو؟
ایک تکنیکی رپورٹ پر سب سے آسان اعتراض یہ ہوتا ہے: کیا برتری کسی خاص شور کی ترتیب، مرکز کے کسی حصے کے ڈیٹا، کسی خاص کوواریانس طریقے یا حد سے زیادہ فٹنگ سے تو نہیں آئی؟ P1 اس سوال کا جواب کئی دباؤ آزمائشوں سے دیتا ہے۔
جدول 2 | P1 کی مضبوطی اور منفی کنٹرول کو پڑھنے کا طریقہ
آزمائش | یہ کون سا شبہ دور کرنا چاہتی ہے | پڑھنے کا طریقہ |
σ_int scan | اگر RC میں اضافی نامعلوم dispersion ہو تو کیا نتیجہ قائم رہتا ہے؟ | RC error کو ڈھیلا کرنے کے بعد بھی EFT کی ranking اور برتری کا پیمانہ مستحکم رہتا ہے۔ |
R_min scan | اگر کہکشاؤں کے مرکزی خطے پر مکمل اعتماد نہ ہو تو کیا نتیجہ قائم رہتا ہے؟ | مرکزی خطہ کاٹنے کے بعد بھی EFT مثبت برتری برقرار رکھتا ہے۔ |
cov-shrink scan | اگر GGL covariance تخمینے میں بے یقینی ہو تو کیا نتیجہ قائم رہتا ہے؟ | covariance کو diagonal matrix کی طرف shrink کرنے کے بعد برتری حساس نہیں رہتی۔ |
Ablation سیڑھی | کیا EFT غیر ضروری پیچیدگی کے سہارے hard-fit کر رہی ہے؟ | مکمل EFT_BIN information criteria پر ضروری دکھائی دیتا ہے۔ |
LOO چھوڑ کر پیش گوئی | کیا ماڈل صرف دیکھا ہوا ڈیٹا سمجھا سکتا ہے؟ | GGL bin چھوڑنے کے بعد بھی مضبوط generalization کارکردگی دکھائی دیتی ہے۔ |
RC-bin shuffle | کیا بندش حقیقی میپنگ سے آتی ہے؟ | گروہ بندی shuffle کرنے کے بعد بندش کم ہوتی ہے، جو میپنگ پر انحصار کی حمایت کرتا ہے۔ |
شکل R2 | σ_int اسکین کے تحت ΔlogL_total کی حد (جتنا بڑا اتنا بہتر)۔
اس شکل کو کیسے پڑھیں |
RC کے intrinsic dispersion کی ترتیب بدلنے کے بعد بھی EFT کی برتری باقی ہے یا نہیں، یہ جانچتا ہے۔ |
شکل R3 | R_min اسکین کے تحت ΔlogL_total کی حد (جتنا بڑا اتنا بہتر)۔
اس شکل کو کیسے پڑھیں |
پیچیدہ مرکزی خطہ کاٹنے کے بعد EFT کی برتری مستحکم رہتی ہے یا نہیں، یہ جانچتا ہے۔ |
شکل R4 | cov-shrink اسکین کے تحت ΔlogL_total کی حد (جتنا بڑا اتنا بہتر)۔
اس شکل کو کیسے پڑھیں |
کمزور عدسہ گری covariance کے علاج میں تبدیلی کے بعد ranking حساس ہے یا نہیں، یہ جانچتا ہے۔ |
شکل R5 | EFT_BIN کی ablation سیڑھی (AICc، جتنا چھوٹا اتنا بہتر)۔
اس شکل کو کیسے پڑھیں |
یہ جانچتا ہے کہ مکمل EFT_BIN ڈیٹا کی وضاحت میں واقعی ضروری ہے یا صرف اضافی پیرامیٹر جوڑنا ہے۔ |
شکل R6 | LOO: چھوڑے گئے bin کی log likelihood تقسیم۔
اس شکل کو کیسے پڑھیں |
یہ جانچتا ہے کہ model ان GGL bins پر بھی پیش گوئی کر سکتا ہے جو اس نے نہیں دیکھے۔ |
شکل R7 | منفی کنٹرول: shuffle میپنگ بندش کے mean logL_true کو نمایاں طور پر گھٹا دیتی ہے۔
اس شکل کو کیسے پڑھیں |
mean logL_true کے زاویے سے مزید دکھاتا ہے کہ بندش درست بین-ڈیٹا میپنگ پر منحصر ہے۔ |
X. P1A: ضمیمہ میں کئی DM ماڈل ہونا کلیدی اصلاح کیوں ہے؟
اس حصے کا سوال یہ نہیں کہ “کیا EFT صرف ایک کم سے کم DM_RAZOR سے جیتی؟” بلکہ یہ ہے: جب ہم کم بُعدی، قابلِ تولید اور صاف پیرامیٹر لیجر کے اندر DM baseline کو مضبوط کرتے ہیں (P1A)، تو کیا بندش آزمائش اور مشترک فٹنگ کے نتائج بدل جاتے ہیں؟ دوسرے لفظوں میں، P1A کا مقصد یہ اعتراض کم کرنا ہے کہ “آپ نے بس ایک بہت کمزور DM baseline چنا”، اور بحث کو اس مقام تک لے جانا ہے کہ “قابلِ آڈٹ DM تقویتوں کے ایک مجموعے کے تحت بھی کیا بندش کارکردگی میں فرق باقی ہے؟”
P1A کا ڈیزائن تمام ممکنہ LambdaCDM ہالہ ماڈلنگ کو ختم نہیں کرتا، اور نہ ہی DM کی طرف کو ایک بلند بُعدی، ناقابلِ آڈٹ fitter بناتا ہے۔ یہ کم بُعدی، قابلِ تولید اور صاف پیرامیٹر لیجر والی تقویتیں چنتا ہے: concentration scatter، اڈیابیٹک سکڑاؤ، feedback core، hierarchical c–M scatter prior، ایک پیرامیٹر core proxy، کمزور عدسہ گری shear-calibration nuisance، اور مرکب DM_STD۔
P1A کا بنیادی پڑھنے کا طریقہ |
legacy کی تین شاخوں میں صرف feedback/core بندش کی قوت میں چھوٹا سا خالص اضافہ لاتا ہے؛ SCAT اور AC خالص بندش بہتری نہیں لاتے۔ |
DM_HIER_CMSCAT، DM_RAZOR_M اور DM_CORE1P بندش کی قوت پر بہت کم اثر ڈالتے ہیں یا نمایاں خالص بہتری نہیں دکھاتے۔ |
DM_STD joint logL کو نمایاں طور پر بہتر کر سکتا ہے، مگر بندش کی قوت کم ہوتی ہے؛ اس سے اشارہ ملتا ہے کہ یہ بنیادی طور پر مشترک فٹنگ کی flexibility بڑھاتا ہے، RC→GGL کی منتقلی پیش گوئی قوت نہیں۔ |
P1A جدول B1 میں EFT_BIN بندش کی قوت اور مشترک فٹنگ برتری دونوں میں پھر بھی زیادہ رہتا ہے؛ اس لیے P1 کے مرکزی دعوے کو “یہ صرف کم سے کم DM_RAZOR سے جیتا” تک محدود نہیں کرنا چاہیے۔ |
شکل B1 | P1A scoreboard: بندش اور مشترک ΔlogL، baseline کے مقابل (جتنا بڑا اتنا بہتر)۔
اس شکل کو کیسے پڑھیں |
یہ شکل کئی DM تقویتی شاخوں کی baseline کے مقابل کارکردگی دکھاتی ہے۔ |
اس کا مطلب “تمام DM کو خارج کرنا” نہیں، بلکہ یہ دکھانا ہے کہ P1A کے منتخب کم بُعدی، قابلِ آڈٹ DM تقویتی دائرے میں DM کو مضبوط کرنے سے EFT_BIN کی بندش برتری ختم نہیں ہوئی۔ |
XI. P1 تجربے کی اہمیت: یہ کام کرنے کے قابل کیوں ہے؟
XI.I. طریقہ کار کی اہمیت: “بین-پروب بندش” کو “واحد پروب فٹنگ” سے اوپر رکھنا
کہکشانی پیمانے کے نظریات عموماً اس بحث میں پھنس جاتے ہیں کہ کوئی ماڈل گردشی منحنیوں کے ایک سیٹ کو فٹ کر سکتا ہے یا نہیں۔ P1 سوال کو ایک درجے اوپر لے جاتا ہے: جو پیرامیٹر آپ نے RC سے سیکھے، کیا وہ GGL کو دوبارہ ٹیون کیے بغیر کمزور عدسہ گری کی پیش گوئی کر سکتے ہیں؟ یوں P1 “فٹنگ مقابلے” سے “منتقلی پیش گوئی کی آزمائش” بن جاتا ہے۔
XI.II. شفافیت کی اہمیت: قابلِ جانچ زنجیر کو نتیجے کا حصہ بنانا
P1 کی ایک اہم شراکت یہ ہے کہ یہ ڈیٹا، جدولیں، شکلیں، run labels، منفی کنٹرولز، تولیدی پیکج اور آڈٹ زنجیر ایک ساتھ جاری کرتا ہے۔ حامیوں اور مخالفین دونوں کے لیے یہ اہم ہے: بحث نعروں کے بجائے اسی عوامی ڈیٹا، اسی میپنگ، اسی اسکرپٹس اور اسی اشاریوں پر واپس آ سکتی ہے۔
XI.III. طبیعیاتی اہمیت: یہ “غیر تاریک مادہ ثقل” سمت کو ایک سخت دباؤ آزمائش دیتا ہے
غیر تاریک مادہ ثقل کی سمت میں بہت سے ماڈل گردشی منحنیوں یا RAR کے کسی حصے کی وضاحت کر سکتے ہیں؛ مشکل کام یہ ہے کہ وہ بیک وقت کمزور عدسہ گری کی قراءات سے گزریں اور منفی کنٹرول کے تحت دکھائیں کہ اشارہ درست میپنگ پر منحصر ہے۔ P1 کی اہمیت یہ ہے کہ یہ EFT کے اوسط ثقلی ردِعمل کو ایک “بیرونی امتحان” جیسے پروٹوکول میں رکھتا ہے: RC تربیتی میدان ہے، GGL منتقلی میدان ہے، اور shuffle دھوکا روکنے کا میدان ہے۔
XI.IV. کیا یہ “غیر تاریک مادہ ثقل کے میدان” کا اہم تجربہ ہے؟
احتیاط سے کہا جائے: اگر P1 کا ڈیٹا پروسیسنگ، تولیدی پیکج اور بندش پروٹوکول بیرونی جانچ کے بعد بھی قائم رہتے ہیں، تو اسے غیر تاریک مادہ ثقل / modified gravity سمت میں ایک سنجیدگی سے لینے کے قابل RC+GGL بندش تجربہ سمجھا جا سکتا ہے۔ اس کی اہمیت “تاریک مادہ الٹ دیا” جیسے نعرے میں نہیں، بلکہ اس میں ہے کہ یہ ایک قابلِ نقل، قابلِ چیلنج اور قابلِ توسیع بین-پروب معیار پیش کرتا ہے۔
کیا پہلے ہی اتنا ہی بلند RC+GGL پیش گوئی بندش فریم ورک موجود ہے؟ |
متعلقہ فریم ورک اور مشاہداتی روایات موجود ہیں: MOND/RAR بہت سے گردشی منحنی مظاہر کو اچھے طریقے سے منظم کرتے ہیں، KiDS-1000 کمزور عدسہ گری RAR کام نے MOND، Verlinde emergent gravity اور LambdaCDM ماڈلوں کا بھی موازنہ کیا؛ LambdaCDM بھی galaxy–halo connection، gas halo اور feedback modeling کے ذریعے کچھ کمزور عدسہ گری/حرکی مظاہر سمجھا سکتا ہے۔ |
لیکن P1 کا درست دعویٰ یہ نہیں کہ “دنیا میں کوئی اور فریم ورک RC+GGL کی وضاحت نہیں کر سکتا”، بلکہ یہ ہے کہ P1 کے اپنے عوامی مقررہ میپنگ، RC-only→GGL بندش، shuffle منفی کنٹرول، پیرامیٹر لیجر اور P1A کی کثیر DM دباؤ آزمائش پروٹوکول کے تحت EFT نے زیادہ مضبوط بندش کارکردگی رپورٹ کی ہے۔ |
دوسرے لفظوں میں، P1 کا وہ حصہ جسے بیرونی دنیا کو سب سے زیادہ جانچنا چاہیے، ایک مخصوص اور قابلِ تولید تقابلی پروٹوکول ہے۔ آگے یہ دیکھنا انتہائی اہم ہے کہ MOND/RAR، LambdaCDM/HOD، hydrodynamical simulation یا دوسرے modified gravity فریم ورک اسی پروٹوکول میں برابر یا زیادہ بندش اسکور حاصل کرتے ہیں یا نہیں۔ |
XII. P1 سے کیا نتیجہ نکالا جا سکتا ہے؟ کیا نہیں نکالا جا سکتا؟
جدول 3 | P1 کے نتائج کی حدود
نکالا جا سکتا ہے | P1 کے RC+GGL ڈیٹا، مقررہ میپنگ اور مرکزی تقابلی پروٹوکول کے اندر EFT سلسلہ کم سے کم DM_RAZOR کے مقابل زیادہ مشترک فٹنگ اور زیادہ بندش قوت رکھتا ہے۔ |
نکالا جا سکتا ہے | P1A کے کم بُعدی، قابلِ آڈٹ DM تقویتی دائرے میں کئی DM تقویتیں EFT_BIN کی بندش برتری ختم نہیں کرتیں۔ |
نکالا جا سکتا ہے | shuffle منفی کنٹرول دکھاتا ہے کہ بندش اشارہ درست بین-ڈیٹا میپنگ پر منحصر ہے، کسی بھی arbitrarily میپنگ سے حاصل نہیں ہو جاتا۔ |
نہیں نکالا جا سکتا | یہ نہیں کہا جا سکتا کہ P1 نے تمام تاریک مادہ ماڈلوں کو رد کر دیا ہے۔ P1A ابھی بھی غیر کروی پن، ماحول پر انحصار، پیچیدہ galaxy–halo connection، بلند بُعدی feedback یا مکمل کونیاتی simulations کو exhaust نہیں کرتا۔ |
نہیں نکالا جا سکتا | یہ نہیں کہا جا سکتا کہ EFT کا مکمل نظریہ first principles سے ثابت ہو چکا ہے۔ P1 صرف اوسط ثقلی ردِعمل کی phenomenological تہہ کو جانچتا ہے۔ |
نہیں نکالا جا سکتا | یہ نہیں کہا جا سکتا کہ تمام نظاماتی خطائیں خارج ہو چکی ہیں۔ P1 صرف درج شدہ دباؤ آزمائشوں اور آڈٹ دائرے میں مضبوطی کا ثبوت دیتا ہے۔ |
XIII. عام سوالات: عام قارئین سب سے زیادہ کیا پوچھتے ہیں؟
Q1: کیا یہ کہہ رہا ہے کہ “تاریک مادہ موجود نہیں”؟
نہیں۔ P1 کے نتائج کو اس متن کے ڈیٹا، پروٹوکول اور کنٹرول ماڈلوں کی حدود میں رکھنا ضروری ہے۔ P1A کم سے کم DM_RAZOR سے آگے جاتا ہے، مگر پھر بھی تمام ممکنہ تاریک مادہ ماڈلوں کی نمائندگی نہیں کرتا۔
Q2: کیا یہ کہہ رہا ہے کہ “EFT ثابت ہو چکی ہے”؟
یہ بھی نہیں۔ P1، EFT کو اوسط ثقلی ردِعمل کی پیرامیٹرائزیشن کے طور پر جانچتا ہے اور دکھاتا ہے کہ RC→GGL بندش میں اس کی کارکردگی مضبوط ہے؛ خرد میکانزم اور مکمل نظریہ P1 کا نتیجہ نہیں ہیں۔
Q3: significance کی σ قدر براہِ راست کیوں نہیں دی گئی؟
P1 مشترک likelihood score، information criteria اور بندش فرق استعمال کرتا ہے۔ ΔlogL ایک ہی scoring rule کے تحت نسبتی برتری ہے؛ یہ کسی ایک σ قدر کے برابر نہیں۔
Q4: RC-bin→GGL-bin کو shuffle کیوں کیا جاتا ہے؟
یہ منفی کنٹرول ہے۔ حقیقی بین-پروب اشارے کو درست میپنگ پر منحصر ہونا چاہیے؛ اگر shuffle کے بعد بھی وہ اتنا ہی مضبوط رہے تو یہ implementation bias یا statistical false signal کی طرف اشارہ کر سکتا ہے۔
Q5: P1 کا اگلا سب سے ضروری قدم کیا ہے؟
اسی پروٹوکول کو زیادہ ڈیٹا، زیادہ DM کنٹرولز، زیادہ پیچیدہ نظاماتی خطاؤں اور مزید modified gravity فریم ورک تک بڑھانا؛ خاص طور پر یہ کہ بیرونی ٹیمیں اسی بندش اشاریے کے تحت دوبارہ جانچ کر سکیں۔
XIV. اصطلاحات کا مختصر لغت
جدول 4 | اصطلاحات کا مختصر لغت
اصطلاح | ایک جملے میں وضاحت |
گردشی منحنی (RC) | کہکشانی قرص میں رداس—رفتار کا تعلق، جس سے قرص کے اندر مؤثر ثقل الٹ کر نکالی جاتی ہے۔ |
کمزور عدسہ گری (GGL) | پس منظر کہکشاؤں کی شکلوں میں شماریاتی مڑاؤ کے ذریعے پیش منظر کہکشاؤں کے گرد اوسط ثقل/کمیت تقسیم ناپنا۔ |
بندش آزمائش | RC posterior سے GGL کی پیش گوئی کرنا اور اسے shuffle میپنگ والے منفی کنٹرول سے موازنہ کرنا۔ |
منفی کنٹرول | کلیدی ساخت کو جان بوجھ کر توڑنا، تاکہ دیکھا جائے اشارہ غائب ہوتا ہے یا نہیں؛ جعلی اشارے رد کرنے کے لیے۔ |
NFW ہالہ | cold dark matter ماڈلوں میں عام استعمال ہونے والا تاریک مادہ ہالہ density profile۔ |
c–M تعلق | تاریک مادہ ہالہ کی concentration c اور mass M کا تعلق؛ scatter کی اجازت ہو یا نہ ہو، model flexibility پر اثر پڑتا ہے۔ |
DM_STD | P1A میں کئی کم بُعدی DM تقویتوں اور lensing nuisance کو ملانے والی معیاری DM دباؤ آزمائش شاخ۔ |
ΔlogL | دو ماڈلوں کے درمیان ایک ہی scoring rule کے تحت log likelihood کا فرق؛ مثبت قدر پہلے model کی برتری دکھاتی ہے۔ |
کوواریانس | ڈیٹا پوائنٹس کے باہمی تعلق کی matrix description؛ کمزور عدسہ گری ڈیٹا عموماً مکمل covariance چاہتا ہے۔ |
XV. مجوزہ مطالعہ راستہ اور حوالہ جاتی داخلی مقامات
1. پہلے اس متن کے حصے 0–2 پڑھیں، تاکہ P1 کا مسئلہ شعور اور P1 میں EFT کی محتاط پوزیشن واضح ہو۔
2. پھر شکل S3، شکل S4 اور جدول S1a/S1b دیکھیں، تاکہ بندش کی قوت، مشترک فٹنگ اور منفی کنٹرول سمجھ آ سکیں۔
3. اگر آپ کو یہ فکر ہے کہ “DM baseline کمزور تو نہیں”، تو براہِ راست حصہ 9 اور جدول B1 / شکل B1 دیکھیں۔
4. اگر تکنیکی جانچ مطلوب ہو تو P1 تکنیکی رپورٹ v1.1، Tables & Figures Supplement اور full_fit_runpack پر واپس جائیں۔
مرکزی آرکائیو داخلی مقامات |
P1 تکنیکی رپورٹ (اشاعتی سطح، Concept DOI): 10.5281/zenodo.18526334 |
P1 مکمل تولیدی پیکج (Concept DOI): 10.5281/zenodo.18526286 |
EFT ساختہ علم بیس (اختیاری، Concept DOI): 10.5281/zenodo.18853200 |
اجازت نامہ نوٹ: تکنیکی رپورٹ CC BY-NC-ND 4.0 کے تحت ہے؛ مکمل تولیدی پیکج CC BY 4.0 کے تحت ہے (تکنیکی رپورٹ اور Zenodo آرکائیو کے مطابق)۔ |
XVI. حوالہ جات اور خارجی پس منظر
McGaugh, S. S., Lelli, F., & Schombert, J. M. (2016). The Radial Acceleration Relation in Rotationally Supported Galaxies. Physical Review Letters, 117, 201101. DOI: 10.1103/PhysRevLett.117.201101.
Famaey, B., & McGaugh, S. S. (2012). Modified Newtonian Dynamics (MOND): Observational Phenomenology and Relativistic Extensions. Living Reviews in Relativity, 15, 10. DOI: 10.12942/lrr-2012-10.
Brouwer, M. M., Oman, K. A., Valentijn, E. A., et al. (2021). The weak lensing radial acceleration relation: Constraining modified gravity and cold dark matter theories with KiDS-1000. Astronomy & Astrophysics, 650, A113. DOI: 10.1051/0004-6361/202040108.
Mistele, T., McGaugh, S., Lelli, F., Schombert, J., & Li, P. (2024). Indefinitely Flat Circular Velocities and the Baryonic Tully-Fisher Relation from Weak Lensing. The Astrophysical Journal Letters, 969, L3 / arXiv:2406.09685.
Bullock, J. S., & Boylan-Kolchin, M. (2017). Small-Scale Challenges to the LambdaCDM Paradigm. Annual Review of Astronomy and Astrophysics, 55, 343–387. DOI: 10.1146/annurev-astro-091916-055313.
Lelli, F., McGaugh, S. S., & Schombert, J. M. (2016). SPARC: Mass Models for 175 Disk Galaxies with Spitzer Photometry and Accurate Rotation Curves. The Astronomical Journal, 152, 157. DOI: 10.3847/0004-6256/152/6/157.
Navarro, J. F., Frenk, C. S., & White, S. D. M. (1997). A Universal Density Profile from Hierarchical Clustering. Astrophysical Journal, 490, 493.
Dutton, A. A., & Macciò, A. V. (2014). Cold dark matter haloes in the Planck era: evolution of structural parameters for NFW haloes. Monthly Notices of the Royal Astronomical Society, 441, 3359–3374.