P1-rapporten forklaret — Fra rotationskurver til svag gravitationslinsevirkning: test af EFT’s gennemsnitlige gravitationsrespons

Læsebemærkning

Dette er en forklarende version, ikke en separat akademisk rapport. Den bygger på den oprindelige P1-rapport, bevarer de centrale figurer og tabeller og tilføjer forklaringer i almindeligt sprog af, hvad hvert vigtigt trin betyder.

Denne guide forklarer kun, hvad P1 konkluderer under sine specificerede datasæt, parameterregnskab og statistiske protokol: I den fælles test af galaksers rotationskurver (RC) og svag galakse–galakse-linsevirkning (GGL) klarer EFT’s model for gennemsnitlig gravitationsrespons sig klart bedre end den minimale DM_RAZOR-baseline, der testes her.

Denne guide fortolker ikke P1 som en påstand om, at »mørkt stof er væltet«. P1 er kun første trin i P-seriens eksperimenter. Den tester ét observerbart lag af EFT — den »gennemsnitlige gravitationsbund« — ikke hele indholdet af den komplette EFT-ramme.

P1 i én sætning

P1 hæver barren fra »passer den én sonde godt?« til »lukker den på tværs af sonder?« En model har sandsynligere fanget en gravitationsstruktur, som RC og GGL deler, kun hvis den klarer sig godt under den korrekte mapping, og signalet kollapser efter at mappingen er shuffled.

Måleparameter

Læsning i P1 / P1A

Betydning i almindeligt sprog

Joint-fit ΔlogL_total

I hovedtekstsammenligningen ligger EFT 1155–1337 over DM_RAZOR

Totalscoreforskellen på tværs af de to datasæt; større betyder en bedre samlet forklaring.

Lukningsstyrke ΔlogL_closure

I hovedtekstsammenligningen er EFT 172–281, mens DM_RAZOR er 127

Evnen til at forudsige GGL efter inferens fra RC alene; større betyder stærkere selvkonsistens på tværs af sonder.

Negativ-kontrol-shuffle

Efter shuffling af RC-bin→GGL-bin falder EFT’s lukningssignal til 6–23

Hvis den korrekte korrespondance brydes, bør fordelen forsvinde; jo skarpere kollapset er, desto bedre udelukker det et falsk signal.

P1A-stresstest med flere DM-varianter

DM 7+1 + DM_STD, med EFT_BIN bevaret som sammenligning

P1A ser ikke kun på den minimale DM_RAZOR-baseline. Den placerer flere lavdimensionelle, auditérbare DM-forbedringsgrene i den samme lukningsprotokol.

Ekstern litteraturkontekst: Hvorfor RC+GGL-vinduet betyder noget

Den radiale accelerationsrelation (RAR), foreslået af McGaugh, Lelli og Schombert i 2016, viser en tæt korrelation med lav spredning mellem den observerede acceleration sporet af rotationskurver og den acceleration, der forudsiges ud fra baryonisk stof. Det gør »baryon–gravitationsrespons-kobling« uomgængelig for teori på galakseskala.

Brouwer et al. (2021) brugte KiDS-1000 svag linsevirkning til at udvide RAR til lavere accelerationer og større radier og sammenlignede MOND, Verlindes emergente gravitation og LambdaCDM-modeller. De bemærkede også, at forskelle mellem tidlige og sene galaksetyper, gashaloer og galakse–halo-forbindelsen fortsat er centrale forklaringsproblemer.

Mistele et al. (2024) brugte yderligere svag linsevirkning til at udlede cirkulærhastighedskurver for isolerede galakser og rapporterede ingen tydelig nedgang ud til flere hundrede kpc og endda omtrent 1 Mpc, i overensstemmelse med BTFR. Det viser, at svag linsevirkning er ved at blive en vigtig ekstern aflæsning til test af gravitationsrespons på galakseskala.

Hvilken del af EFT tester P1?

P1 retter sig mod den »gennemsnitlige gravitationsbund«: et statistisk stabilt middelbidrag, der kan overføres på tværs af samples.

P1 håndterer endnu ikke den »stokastiske/støj-bund«: de tilfældige led, individuelle forskelle eller ekstra spredning, som mere mikroskopiske fluktuationsprocesser kan indføre.

P1 behandler heller ikke den komplette mikroskopiske mekanisme, forekomst, levetid eller globale kosmologiske begrænsninger. Den er første trin i P-seriens eksperimenter, ikke en endelig dom.

Lag

Spørgsmål

Rolle i P1

P1

Kan gennemsnitlig gravitationsrespons lukke i RC→GGL?

Hovedspørgsmålet i den aktuelle rapport

P1A

Hvis DM-siden styrkes, forbliver konklusionen så stabil?

Appendiks B: DM 7+1 + DM_STD-stresstest

Senere P-serie-arbejde

Kan protokollen udvides til flere data, flere sonder og mere komplekse systematikker?

Retning for fremtidigt arbejde

Spørgsmål på dybere niveau

Hvordan forbindes middelleddet, støjleddet og den mikroskopiske mekanisme?

Uden for P1’s konklusionsområde

Hvorfor ikke tune mappingen bagefter?

Hvis man bagefter kunne vælge, »hvilke RC-bins der svarer til hvilke GGL-bins«, kunne en model fremstille lukning ved at omarrangere korrespondancen. P1 låser 20→4-mappingen på forhånd og bryder den bevidst med en shuffle-negativ kontrol netop for at bedømme, om lukningssignalet virkelig afhænger af en fysisk rimelig korrespondance.

Den præcise konklusionsramme brugt her

Hovedtekst: EFT-familien klarer sig væsentligt bedre end den minimale DM_RAZOR i hovedsammenligningen.

Appendiks B / P1A: Under flere lavdimensionelle, auditérbare DM-forbedringsgrene og DM_STD-stresstesten forbedres nogle DM-joint fits, men lukningsstyrken eliminerer ikke EFT_BIN’s fordel.

Den sikreste formulering er derfor: Inden for P1/P1A’s data, mapping, parameterregnskab og lukningsprotokol viser EFT’s gennemsnitlige gravitationsrespons stærkere konsistens på tværs af data; det er ikke det samme som at udelukke alle modeller for mørkt stof.

Analogien i almindeligt sprog

En lukningstest er som en reeksamen på tværs af eksamenslokaler. Modellen lærer først mønstre i RC-lokalet og svarer derefter i GGL-lokalet. Hvis den har lært en fælles regel i stedet for et lokalt trick, bør den stadig svare godt efter at have skiftet lokale; hvis korrespondancen mellem eksamenslokalerne bevidst shuffles, bør fordelen forsvinde.

Indgang

Hvad skal man se på

Hvorfor det betyder noget

Tabel S1a

RC+GGL joint-fit totalscore

Svar på: »Når de to datasæt ses samlet, hvis samlede forklaring er stærkere?«

Tabel S1b

Lukningsstyrke, shuffle og robusthedsscanninger

Svar på: »Kan det, der blev lært fra RC, overføres til GGL?«

Tabel B0

Definitioner af flere DM-forbedringsgrene i P1A

Forhindrer P1 i at blive reduceret til »kun en sammenligning med minimal DM_RAZOR«.

Tabel B1

P1A-luknings- og joint-fit-scoreboard

Kontrollerer, om lukningsfordelen forsvinder, efter at DM styrkes.

Layoutbemærkning

Liggende sider begynder på næste side, så de brede tabeller fra den oprindelige rapport kan bevares intakte uden at slette kolonner eller komprimere dem, så de bliver ulæselige. Brødteksten har allerede givet en læsning i almindeligt sprog; de liggende tekniske tabeller er for læsere, der skal kontrollere værdier og modelgrene.

Model (workspace)

W-kerne

k

Joint logL_total (bedste)

ΔlogL_total vs DM

AICc

BIC

DM_RAZOR

ingen

20

-16927.763

0.0

33895.885

34010.811

EFT_BIN

ingen

21

-15590.552

1337.21

31223.501

31344.155

EFT_WEXP

eksponentiel

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

Model (workspace)

Lukning ΔlogL (true-perm)

ΔlogL efter negativ-kontrol-shuffle

σ_int-scan ΔlogL-interval

R_min-scan ΔlogL-interval

cov-shrink-scan ΔlogL-interval

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

DM_RAZOR

NFW (fast c–M, ingen spredning)

—

Minimal, auditérbar LambdaCDM-halo-baseline; brugt som streng sammenligning med EFT

Fast fælles mapping; strengt parameterregnskab; bruges kun som baseline for relativ sammenligning

DM_RAZOR_SCAT

NFW + c–M-spredning（legacy）

σ_logc

c–M-relationen har spredning; approksimeret med én-parameter lognormal spredning

≤1 ny parameter; bruger stadig den fælles mapping; lukningsgevinst er acceptkriteriet

DM_RAZOR_AC

NFW + adiabatisk kontraktion（legacy）

α_AC

Baryonisk indfald kan forårsage adiabatisk kontraktion af haloen; approksimeret med en én-parameter styrke

≤1 ny parameter; mapping uændret; rapporterer AICc/BIC-ændringer og lukningsgevinst

DM_RAZOR_FB

NFW + feedback-kerne（legacy）

log r_core

Feedback kan skabe en indre kerne; approksimeret med en én-parameter kerneskala

≤1 ny parameter; samme luknings-/negativ-kontrol-ramme; RC-only-forbedring er ikke det eneste mål

DM_HIER_CMSCAT

Hierarkisk c–M-spredning + prior

σ_logc（hier）

En mere standard hierarkisk c_i∼logN(c(M_i),σ_logc); påvirker den fælles RC- og GGL-posterior

Eksplicit prior; latent c_i marginaliseret; forbliver lavdimensionel og auditérbar

DM_CORE1P

1-parameter core-proxy (inspireret af coreNFW/DC14)

log r_core

Bruger en én-parameter core-proxy for hovedvirkningen af baryonisk feedback og undgår højdimensionelle detaljer om stjernedannelse

Citerer standardlitteratur; ≤1 ny parameter; bundet til lukningstesten

DM_RAZOR_M

NFW + lensing shear-kalibrerings-nuisance

m_shear（GGL）

Absorberer en central systematik på svag-linse-siden med en effektiv parameter og reducerer risikoen for at behandle systematik som fysik

Nuisance registreres eksplicit; må ikke tilbagevirke på RC; resultater vurderes primært efter lukningsrobusthed

DM_STD

Standardiseret DM-baseline (HIER_CMSCAT + CORE1P + m)

σ_logc + log r_core (+ m_shear)

Samler de tre mest almindelige indvendinger i én stadig lavdimensionel standardiseret baseline

Rapporterer parameterregnskab og informationskriterier samlet; lukning er hovedmålet; bruges som den stærkeste DM-forsvarssammenligning

Modelgren (workspace)

Δk

RC-only bedste logL_RC (Δ)

Lukningsstyrke ΔlogL_closure (Δ)

Joint bedste 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)

Sådan læses tabel B1 (P1A-scoreboard)

• Δk: nyligt tilføjede frihedsgrader (større betyder en mere kompleks model; mere kompleks betyder ikke automatisk bedre).

• Fokuser på to kolonner: lukningsstyrke ΔlogL_closure(Δ) (større betyder mere selvkonsistens i overførsel) og Joint best logL_total(Δ) (joint-fit totalscoren).

• Værdien i parentes, (Δ), er forskellen relativt til DM_RAZOR og gør direkte sammenligning lettere.

• Hovedspørgsmålet i denne tabel er, om lukningsfordelen forsvinder, efter at DM-baselinen er »rimeligt styrket«.

• Læsetip: DM_STD forbedrer joint-scoren markant, men dens lukningsstyrke falder; EFT_BIN forbliver stadig højere i lukningsstyrke.

I én sætning: Inden for dette lavdimensionelle, auditérbare sæt af DM-forbedringer giver forbedring af joint fit ikke automatisk stærkere lukning; lukning, dvs. overførbarhed, forbliver nøglekriteriet.

Sådan læses denne figur

Denne figur er kernen i P1. Jo højere søjlen er, desto bedre overføres den information, der er lært fra RC, til GGL.

EFT-familien ligger samlet højere end DM_RAZOR, hvilket indikerer stærkere EFT-lukning på tværs af sonder i eksperimentet »lær RC først, forudsig derefter GGL«.

Sådan læses denne figur

Denne figur viser totalscoren, efter at RC og GGL er kombineret.

Alle EFT-modeller ligger klart over 0, hvilket indikerer, at EFT-fordelen i hovedsammenligningen ikke er et lokalt enkeltpunktseffekt, men et samlet mønster i den fælles analyse.

Sådan læses denne figur

Denne figur viser, at når den korrekte RC↔GGL-bin-relation brydes, falder lukningssignalet kraftigt.

Det får P1-resultatet til at ligne ægte konsistens i mapping på tværs af data snarere end et numerisk sammentræf, der kan opnås under vilkårlige mappings.

Test

Tvivl den forsøger at udelukke

Sådan læses den

σ_int scan

Hvis RC indeholder ekstra ukendt spredning, forbliver konklusionen så stabil?

Efter at RC-fejlene lempes, forbliver EFT-rangeringen og fordelens størrelsesorden stabil.

R_min scan

Hvis man ikke fuldt ud stoler på galaksernes centrale regioner, forbliver konklusionen så stabil?

Efter trimning af de centrale regioner bevarer EFT stadig en positiv fordel.

cov-shrink scan

Hvis GGL-kovariansestimatet er usikkert, forbliver konklusionen så stabil?

Efter shrinkage af kovariansen mod diagonalen er fordelen ikke følsom.

Ablationstrappe

Afhænger EFT af unødvendig kompleksitet for at tvinge et fit?

Den fulde EFT_BIN understøttes af informationskriterierne.

LOO-udeladt forudsigelse

Forklarer modellen kun data, den allerede har set?

Efter udeladelse af en GGL-bin viser modellen stadig stærk generaliseringsevne.

RC-bin shuffle

Kommer lukning fra den sande mapping?

Lukning falder efter shuffling af grupperingen, hvilket understøtter mapping-afhængighed.

Sådan læses denne figur

Tester, om EFT’s føring består efter ændringer i den antagne intrinsiske RC-spredning.

Sådan læses denne figur

Tester, om EFT’s fordel forbliver stabil efter trimning af komplekse centrale regioner.

Sådan læses denne figur

Tester, om rangeringen er følsom over for ændringer i behandlingen af svag-linse-kovarians.

Sådan læses denne figur

Tester, om den fulde EFT_BIN er nødvendig for at forklare dataene, snarere end blot at tilføje unødvendige parametre.

Sådan læses denne figur

Tester, om modellen stadig har forudsigelsesevne på usete GGL-bins.

Sådan læses denne figur

Viser yderligere, set fra mean logL_true, at lukning afhænger af den korrekte mapping på tværs af data.

Hovedlæsning af P1A

Blandt de tre legacy-grene giver kun feedback/core en lille nettoforøgelse af lukningsstyrken; SCAT og AC giver ikke netto-lukningsgevinster.

DM_HIER_CMSCAT, DM_RAZOR_M og DM_CORE1P har meget lille effekt på lukningsstyrken eller viser ikke nogen signifikant nettoforbedring.

DM_STD kan forbedre joint logL betydeligt, men dens lukningsstyrke falder, hvilket tyder på, at den primært forbedrer fleksibiliteten i joint fit snarere end RC→GGL-overførselsforudsigelseskraften.

EFT_BIN bevarer stadig højere lukningsstyrke og en joint-fit-fordel i P1A tabel B1; derfor bør P1’s kernepåstand ikke reduceres til »den slog kun minimal DM_RAZOR«.

Sådan læses denne figur

Denne figur viser præstationen for flere DM-forbedringsgrene relativt til baselinen.

Dens betydning er ikke »al DM er udelukket«, men snarere dette: Inden for de lavdimensionelle, auditérbare DM-forbedringer valgt af P1A fjerner styrkelse af DM ikke EFT_BIN’s lukningsfordel.

Findes der allerede RC+GGL-forudsigelses-lukningsrammer på samme niveau?

Der findes relevante rammer og observationstraditioner: MOND/RAR organiserer mange rotationskurvefænomener godt; KiDS-1000-arbejdet om svag-linse-RAR sammenlignede også MOND, Verlindes emergente gravitation og LambdaCDM-modeller; LambdaCDM kan også forklare nogle svag-linse-/dynamiske fænomener gennem galakse–halo-forbindelser, gashaloer og feedbackmodellering.

Men P1’s præcise påstand er ikke, at »ingen anden ramme i verden kan forklare RC+GGL«. Den er snarere, at EFT under P1’s egen offentlige protokol — fast mapping, RC-only→GGL-lukning, shuffle-negative kontroller, parameterregnskab og P1A-stresstests med flere DM-varianter — rapporterer stærkere lukningspræstation.

Med andre ord er den del af P1, der er mest værd at teste eksternt, dens konkrete, reproducerbare sammenligningsprotokol. Et meget værdifuldt næste skridt er at se, om MOND/RAR, LambdaCDM/HOD, hydrodynamiske simuleringer eller andre modificeret-gravitation-rammer kan nå samme eller højere lukningsscores under den samme protokol.

Kan konkluderes

Under P1’s RC+GGL-data, faste mapping og hovedsammenligningsprotokol har EFT-familien højere joint-fit-scores og lukningsstyrke end den minimale DM_RAZOR.

Kan konkluderes

Inden for P1A’s lavdimensionelle, auditérbare DM-forbedringsområde eliminerer flere DM-forbedringer ikke EFT_BIN’s lukningsfordel.

Kan konkluderes

Den shuffle-negative kontrol viser, at lukningssignalet afhænger af den korrekte mapping på tværs af data og ikke kan opnås under vilkårlige mappings.

Kan ikke konkluderes

Man kan ikke sige, at P1 har væltet alle modeller for mørkt stof. P1A udtømmer stadig ikke ikke-sfæricitet, miljøafhængighed, komplekse galakse–halo-forbindelser, højdimensionel feedback eller fulde kosmologiske simuleringer.

Kan ikke konkluderes

Man kan ikke sige, at den komplette EFT-ramme er bevist fra første principper. P1 tester kun det fænomenologiske lag af gennemsnitlig gravitationsrespons.

Kan ikke konkluderes

Man kan ikke sige, at alle systematikker er udelukket. P1 giver kun robusthedsevidens inden for de anførte stresstests og auditomfang.

Term

Forklaring i én sætning

Rotationskurve (RC)

Relationen mellem radius og rotationshastighed i en galakseskive, brugt til at udlede effektiv gravitation i skiven.

Svag linsevirkning (GGL)

Et mål for den gennemsnitlige gravitations-/massefordeling omkring forgrundsgalakser via den statistiske forvrængning af baggrundsgalaksers former.

Lukningstest

Bruger RC-posterioren til at forudsige GGL og sammenligner derefter med den negative kontrol produceret af shuffled mapping.

Negativ kontrol

Bryder bevidst en central struktur for at se, om signalet forsvinder; bruges til at udelukke falske signaler.

NFW-halo

En tæthedsprofil for haloer af mørkt stof, som ofte bruges i modeller for koldt mørkt stof.

c–M-relation

Relationen mellem koncentrationen c og massen M for en halo af mørkt stof; om spredning tillades, påvirker modellens fleksibilitet.

DM_STD

Den standardiserede DM-stresstestgren i P1A, som kombinerer flere lavdimensionelle DM-forbedringer og et lensing-nuisance-led.

ΔlogL

Log-likelihood-forskellen mellem to modeller under den samme scoringsregel; en positiv værdi betyder, at den førstnævnte er bedre.

Kovarians

En matrixbeskrivelse af korrelationer mellem datapunkter; svag-linse-data kræver normalt den fulde kovarians.

Hovedindgange til arkiver

P1 teknisk rapport (udgivelsesniveau, Concept DOI): 10.5281/zenodo.18526334

P1 fuld reproduktionspakke (Concept DOI): 10.5281/zenodo.18526286

EFT struktureret vidensbase (valgfri, Concept DOI): 10.5281/zenodo.18853200

Licensbemærkning: Den tekniske rapport bruger CC BY-NC-ND 4.0; den fulde reproduktionspakke bruger CC BY 4.0 (den tekniske rapport og Zenodo-arkiverne er autoritative).