P1-rapport uitgelegd — Van rotatiecurven tot zwakke lenswerking: toetsing van de gemiddelde gravitatiereactie van EFT

Leesopmerking

Dit is een uitlegversie, geen afzonderlijk academisch rapport. Ze is gebaseerd op het oorspronkelijke P1-rapport, behoudt de belangrijkste figuren en tabellen, en voegt begrijpelijke uitleg toe over wat elke grote stap betekent.

Deze gids legt alleen uit wat P1 concludeert onder zijn gespecificeerde datasets, parameterboekhouding en statistische protocol: in de gezamenlijke test van sterrenstelselrotatiecurven (RC) en zwakke lenswerking tussen sterrenstelsels (GGL) presteert het model van EFT’s gemiddelde gravitatiereactie duidelijk beter dan de hier geteste minimale DM_RAZOR-baseline.

Deze gids interpreteert P1 niet als de claim dat “donkere materie is omvergeworpen”. P1 is slechts de eerste stap in de P-reeks-experimenten. Het test één observeerbare laag van EFT — de “gemiddelde gravitatiebodem” — niet de volledige inhoud van het complete EFT-raamwerk.

P1 in één zin

P1 legt de lat hoger: van “fit het één meetkanaal goed?” naar “sluit het over meetkanalen heen?” Een model heeft waarschijnlijker een gravitatie-structuur opgepikt die RC en GGL delen als het goed presteert onder de juiste mapping en het signaal instort nadat de mapping is geschud.

Metriek

Lezing in P1 / P1A

Betekenis in gewone taal

Gezamenlijke-fit ΔlogL_total

In de hoofdtekstvergelijking ligt EFT 1155–1337 boven DM_RAZOR

Het totale scoreverschil over de twee datasets; groter betekent een betere algehele verklaring.

Sluitingssterkte ΔlogL_closure

In de hoofdtekstvergelijking ligt EFT op 172–281, terwijl DM_RAZOR 127 is

Het vermogen om GGL te voorspellen na inferentie uit alleen RC; groter betekent sterkere zelfconsistentie tussen meetkanalen.

Shuffle-negatieve controle

Na het schudden van RC-bin→GGL-bin daalt het EFT-sluitingssignaal naar 6–23

Als de juiste correspondentie wordt verbroken, zou het voordeel moeten verdwijnen; hoe scherper de instorting, hoe beter dit een schijnsignaal uitsluit.

P1A-stresstest met meerdere DM-varianten

DM 7+1 + DM_STD, met EFT_BIN behouden als vergelijking

P1A kijkt niet alleen naar de minimale DM_RAZOR-baseline. Het plaatst meerdere laagdimensionale, auditeerbare DM-versterkingstakken in hetzelfde sluitingsprotocol.

Externe literatuurcontext: waarom het RC+GGL-venster belangrijk is

De radiale-versnellingsrelatie (RAR) die McGaugh, Lelli en Schombert in 2016 voorstelden, toont een nauwe correlatie met lage spreiding tussen de waargenomen versnelling die door rotatiecurven wordt getraceerd en de versnelling die uit baryonische materie wordt voorspeld. Dit maakt “koppeling tussen baryonen en gravitatiereactie” onvermijdelijk voor theorie op sterrenstelselschaal.

Brouwer et al. (2021) gebruikten KiDS-1000-zwakke lenswerking om de RAR uit te breiden naar lagere versnellingen en grotere stralen, en vergeleken MOND, Verlinde’s emergente zwaartekracht en LambdaCDM-modellen. Zij merkten ook op dat verschillen tussen vroege en late typen sterrenstelsels, gashalo’s en de verbinding tussen sterrenstelsel en halo belangrijke verklaringskwesties blijven.

Mistele et al. (2024) gebruikten verder zwakke lenswerking om cirkel-snelheidscurven voor geïsoleerde sterrenstelsels af te leiden, en rapporteerden geen duidelijke daling tot enkele honderden kpc en zelfs tot ongeveer 1 Mpc, in overeenstemming met de BTFR. Dit laat zien dat zwakke lenswerking een belangrijke externe uitlezing wordt voor het testen van gravitatiereactie op sterrenstelselschaal.

Welk deel van EFT test P1?

P1 richt zich op de “gemiddelde gravitatiebodem”: een statistisch stabiele gemiddelde bijdrage die over samples kan worden overgedragen.

P1 behandelt nog niet de “stochastische/ruisbodem”: de willekeurige termen, individuele verschillen of extra spreiding die meer microscopische fluctuatieprocessen kunnen introduceren.

P1 behandelt ook niet het volledige microscopische mechanisme, de abundantie, levensduur of globale kosmologische randvoorwaarden. Het is de eerste stap in de P-reeks-experimenten, geen eindvonnis.

Laag

Gestelde vraag

Rol in P1

P1

Kan gemiddelde gravitatiereactie sluiten in RC→GGL?

Hoofdvraag van het huidige rapport

P1A

Als de DM-kant wordt versterkt, blijft de conclusie dan stabiel?

Bijlage B: DM 7+1 + DM_STD-stresstest

Latere P-reeks-werkzaamheden

Kan het protocol worden uitgebreid naar meer data, meer meetkanalen en complexere systematiek?

Richting voor toekomstig werk

Vragen op dieper niveau

Hoe hangen de gemiddelde term, de ruisterm en het microscopische mechanisme samen?

Buiten de conclusiescope van P1

Waarom de mapping niet achteraf afstemmen?

Als men achteraf kon kiezen “welke RC-bins met welke GGL-bins corresponderen”, zou een model sluiting kunnen fabriceren door de correspondentie te herschikken. P1 vergrendelt de 20→4-mapping vooraf en breekt die bewust met een shuffle-negatieve controle, juist om te beoordelen of het sluitingssignaal werkelijk afhangt van een fysisch redelijke correspondentie.

De precieze conclusiekadering die hier wordt gebruikt

Hoofdtekst: de EFT-familie presteert in de hoofdvergelijking duidelijk beter dan de minimale DM_RAZOR.

Bijlage B / P1A: onder meerdere laagdimensionale, auditeerbare DM-versterkingstakken en de DM_STD-stresstest verbeteren sommige gezamenlijke DM-fits, maar de sluitingssterkte elimineert het voordeel van EFT_BIN niet.

De veiligste formulering is daarom: binnen de data, mapping, parameterboekhouding en het sluitingsprotocol van P1/P1A toont de gemiddelde gravitatiereactie van EFT sterkere consistentie tussen datasets; dit is niet hetzelfde als het uitsluiten van alle donkere-materiemodellen.

Analogie in gewone taal

Een sluitingstest lijkt op een hertoets in een kruisverhoor. Het model leert eerst patronen in de RC-examenruimte en antwoordt daarna in de GGL-examenruimte. Als het een gedeelde regel heeft geleerd in plaats van een lokale truc, zou het na het wisselen van ruimte nog steeds goed moeten antwoorden; als de correspondentie tussen examenruimten bewust wordt geschud, zou het voordeel moeten verdwijnen.

Ingangspunt

Waar u naar kijkt

Waarom het belangrijk is

Tabel S1a

Totale score van de gezamenlijke RC+GGL-fit

Beantwoordt: “Als de twee datasets samen worden bekeken, wiens algehele verklaring is sterker?”

Tabel S1b

Sluitingssterkte, shuffle en robuustheidsscans

Beantwoordt: “Kan wat uit RC is geleerd naar GGL worden overgedragen?”

Tabel B0

Definities van meerdere DM-versterkingstakken in P1A

Voorkomt dat P1 wordt gereduceerd tot “alleen een vergelijking met minimale DM_RAZOR”.

Tabel B1

P1A-scorebord voor sluiting en gezamenlijke fit

Controleert of het sluitingsvoordeel verdwijnt nadat DM is versterkt.

Opmerking over lay-out

Liggende pagina’s beginnen op de volgende pagina, zodat de brede tabellen uit het oorspronkelijke rapport intact kunnen blijven zonder kolommen te verwijderen of ze tot onleesbaarheid samen te persen. De hoofdtekst heeft al een uitleg in gewone taal gegeven; de liggende technische tabellen zijn voor lezers die waarden en modeltakken willen verifiëren.

Model (werkruimte)

W-kernel

k

Gezamenlijke logL_total (beste)

ΔlogL_total t.o.v. DM

AICc

BIC

DM_RAZOR

geen

20

-16927.763

0.0

33895.885

34010.811

EFT_BIN

geen

21

-15590.552

1337.21

31223.501

31344.155

EFT_WEXP

exponentieel

21

-15668.83

1258.932

31380.057

31500.711

EFT_WYUK

Yukawa

21

-15772.936

1154.827

31588.268

31708.922

EFT_WPOW

machtswetstaart

21

-15633.321

1294.442

31309.038

31429.692

Model (werkruimte)

Sluitings-ΔlogL (true-perm)

ΔlogL na shuffle-negatieve controle

σ_int-scan ΔlogL-bereik

R_min-scan ΔlogL-bereik

cov-shrink-scan ΔlogL-bereik

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 (vaste c–M, geen spreiding)

—

Minimale, auditeerbare LambdaCDM-halo-baseline; gebruikt als strikte vergelijking met EFT

Vaste gedeelde mapping; strikte parameterboekhouding; alleen gebruikt als baseline voor relatieve vergelijking

DM_RAZOR_SCAT

NFW + c–M-spreiding (legacy)

σ_logc

De c–M-relatie heeft spreiding; benaderd met een lognormale spreiding met één parameter

≤1 nieuwe parameter; gebruikt nog steeds de gedeelde mapping; sluitingswinst is het acceptatiecriterium

DM_RAZOR_AC

NFW + adiabatische contractie (legacy)

α_AC

Baryonische inval kan adiabatische halocontractie veroorzaken; benaderd met een sterkteparameter

≤1 nieuwe parameter; mapping ongewijzigd; rapporteert AICc/BIC-veranderingen en sluitingswinst

DM_RAZOR_FB

NFW + feedbackkern (legacy)

log r_core

Feedback kan een binnenkern creëren; benaderd met een kernschaal met één parameter

≤1 nieuwe parameter; dezelfde sluitings-/negatieve-controlekadering; RC-only-verbetering is niet het enige doel

DM_HIER_CMSCAT

Hiërarchische c–M-spreiding + prior

σ_logc（hier）

Een meer standaard hiërarchische c_i∼logN(c(M_i),σ_logc); beïnvloedt de gezamenlijke RC- en GGL-posterior

Expliciete prior; latente c_i gemarginaliseerd; blijft laagdimensionaal en auditeerbaar

DM_CORE1P

Eenparameter-kernproxy (geïnspireerd op coreNFW/DC14)

log r_core

Gebruikt een kernproxy met één parameter voor het hoofdeffect van baryonische feedback, en vermijdt hoogdimensionale details van stervorming

Verwijst naar standaardliteratuur; ≤1 nieuwe parameter; gekoppeld aan de sluitingstest

DM_RAZOR_M

NFW + lensing-shear-kalibratie-nuisance

m_shear（GGL）

Absorbeert een belangrijke systematiek aan de zwakke-lenskant met een effectieve parameter, waardoor het risico afneemt dat systematiek als fysica wordt behandeld

Nuisance expliciet vastgelegd; mag niet terugwerken op RC; resultaten worden vooral beoordeeld op sluitingsrobuustheid

DM_STD

Gestandaardiseerde DM-baseline (HIER_CMSCAT + CORE1P + m)

σ_logc + log r_core (+ m_shear)

Brengt de drie meest voorkomende bezwaren samen in één nog steeds laagdimensionale gestandaardiseerde baseline

Rapporteert parameterboekhouding en informatiecriteria samen; sluiting is de hoofdmetriek; gebruikt als sterkste DM-verdedigingsvergelijking

Modeltak (werkruimte)

Δk

Beste RC-only logL_RC (Δ)

Sluitingssterkte ΔlogL_closure (Δ)

Beste gezamenlijke 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)

Hoe u Tabel B1 leest (P1A-scorebord)

• Δk: nieuw toegevoegde vrijheidsgraden (groter betekent een complexer model; complexer betekent niet automatisch beter).

• Focus op twee kolommen: sluitingssterkte ΔlogL_closure(Δ) (groter betekent meer overdrachtszelfconsistentie) en beste gezamenlijke logL_total(Δ) (de totaalscore van de gezamenlijke fit).

• De waarde tussen haakjes, (Δ), is het verschil ten opzichte van DM_RAZOR, waardoor directe vergelijking eenvoudiger wordt.

• De hoofdvraag van deze tabel is of het sluitingsvoordeel verdwijnt nadat de DM-baseline “redelijk is versterkt”.

• Leestip: DM_STD verbetert de gezamenlijke score duidelijk, maar de sluitingssterkte daalt; EFT_BIN blijft nog steeds hoger in sluitingssterkte.

In één zin: binnen deze laagdimensionale, auditeerbare set DM-versterkingen levert verbetering van de gezamenlijke fit niet automatisch sterkere sluiting op; sluiting, dus overdraagbaarheid, blijft het sleutelcriterium.

Zo leest u deze figuur

Deze figuur vormt de kern van P1. Hoe hoger de balk, hoe beter de uit RC geleerde informatie naar GGL wordt overgedragen.

De EFT-familie ligt over het geheel hoger dan DM_RAZOR, wat wijst op sterkere EFT-sluiting tussen meetkanalen in het experiment “eerst RC leren, dan GGL voorspellen”.

Zo leest u deze figuur

Deze figuur toont de totaalscore nadat RC en GGL zijn gecombineerd.

Alle EFT-modellen liggen ruim boven 0, wat aangeeft dat het EFT-voordeel in de hoofdvergelijking geen lokaal eenduidig punt-effect is, maar een algemeen patroon in de gezamenlijke analyse.

Zo leest u deze figuur

Deze figuur laat zien dat het sluitingssignaal scherp daalt zodra de juiste RC↔GGL-binrelatie wordt verstoord.

Hierdoor lijkt het P1-resultaat meer op echte consistentie in mapping tussen datasets dan op een numeriek toeval dat onder willekeurige mappings te verkrijgen is.

Test

Zorg die het probeert uit te sluiten

Hoe u het leest

σ_int-scan

Als RC extra onbekende spreiding bevat, blijft de conclusie dan stabiel?

Nadat RC-fouten worden versoepeld, blijven de EFT-rangorde en de schaal van het voordeel stabiel.

R_min-scan

Als de centrale gebieden van sterrenstelsels niet volledig worden vertrouwd, blijft de conclusie dan stabiel?

Na het wegsnijden van de centrale gebieden behoudt EFT nog steeds een positief voordeel.

cov-shrink-scan

Als de GGL-covariantieschatting onzeker is, blijft de conclusie dan stabiel?

Na covariantiekrimp richting de diagonaal is het voordeel niet gevoelig.

Ablatieladder

Vertrouwt EFT op onnodige complexiteit om een fit af te dwingen?

De volledige EFT_BIN wordt ondersteund door de informatiecriteria.

LOO-voorspelling op achtergehouden data

Verklaart het model alleen data die het al heeft gezien?

Na het achterhouden van een GGL-bin vertoont het model nog steeds sterke generalisatieprestaties.

RC-bin-shuffle

Komt de sluiting voort uit de echte mapping?

De sluiting daalt nadat de groepering is geschud, wat mappingafhankelijkheid ondersteunt.

Zo leest u deze figuur

Test of de voorsprong van EFT blijft bestaan na wijzigingen in de aangenomen intrinsieke RC-spreiding.

Zo leest u deze figuur

Test of het voordeel van EFT stabiel blijft nadat complexe centrale gebieden zijn weggesneden.

Zo leest u deze figuur

Test of de rangorde gevoelig is voor veranderingen in de behandeling van zwakke-lenscovariantie.

Zo leest u deze figuur

Test of de volledige EFT_BIN nodig is om de data te verklaren, in plaats van alleen onnodige parameters toe te voegen.

Zo leest u deze figuur

Test of het model nog voorspellende prestaties heeft op ongeziene GGL-bins.

Zo leest u deze figuur

Laat verder zien, vanuit het perspectief van gemiddelde logL_true, dat sluiting afhangt van de juiste mapping tussen datasets.

Hoofdlezing van P1A

Van de drie legacy-takken levert alleen feedback/kern een kleine netto toename van de sluitingssterkte op; SCAT en AC leveren geen netto sluitingswinst.

DM_HIER_CMSCAT, DM_RAZOR_M en DM_CORE1P hebben zeer weinig effect op de sluitingssterkte of tonen geen significante netto verbetering.

DM_STD kan de gezamenlijke logL aanzienlijk verbeteren, maar de sluitingssterkte daalt, wat suggereert dat het vooral de flexibiliteit van de gezamenlijke fit verbetert en niet de RC→GGL-overdrachtsvoorspellingskracht.

EFT_BIN behoudt in P1A Tabel B1 nog steeds een hogere sluitingssterkte en een voordeel in de gezamenlijke fit; daarom mag de kernclaim van P1 niet worden gereduceerd tot “het versloeg alleen minimale DM_RAZOR”.

Zo leest u deze figuur

Deze figuur toont de prestaties van meerdere DM-versterkingstakken ten opzichte van de baseline.

De betekenis is niet “alle DM is uitgesloten”, maar eerder dit: binnen de laagdimensionale, auditeerbare DM-versterkingen die P1A selecteert, neemt versterking van DM het sluitingsvoordeel van EFT_BIN niet weg.

Bestaan er al RC+GGL-voorspellingssluitingsraamwerken op hetzelfde niveau?

Er bestaan relevante raamwerken en observationele tradities: MOND/RAR ordent veel rotatiecurveverschijnselen goed; het KiDS-1000-werk over zwakke-lenswerking en RAR vergeleek ook MOND, Verlinde’s emergente zwaartekracht en LambdaCDM-modellen; LambdaCDM kan sommige zwakke-lens- en dynamische verschijnselen ook verklaren via sterrenstelsel–halo-verbindingen, gashalo’s en feedbackmodellering.

Maar de precieze claim van P1 is niet dat “geen enkel ander raamwerk ter wereld RC+GGL kan verklaren”. Integendeel: onder P1’s eigen publieke protocol — vaste mapping, RC-only→GGL-sluiting, shuffle-negatieve controles, parameterboekhouding en P1A-stresstests met meerdere DM-varianten — rapporteert EFT sterkere sluitingsprestaties.

Met andere woorden: het deel van P1 dat externe toetsing het meest waard is, is het concrete, reproduceerbare vergelijkingsprotocol. Een zeer waardevolle volgende stap is te zien of MOND/RAR, LambdaCDM/HOD, hydrodynamische simulaties of andere raamwerken voor gemodificeerde zwaartekracht onder hetzelfde protocol dezelfde of hogere sluitingsscores kunnen bereiken.

Kan concluderen

Onder P1’s RC+GGL-data, vaste mapping en hoofdvergelijkingsprotocol heeft de EFT-familie hogere gezamenlijke-fitscores en sluitingssterkte dan de minimale DM_RAZOR.

Kan concluderen

Binnen P1A’s laagdimensionale, auditeerbare bereik van DM-versterkingen elimineren meerdere DM-versterkingen het sluitingsvoordeel van EFT_BIN niet.

Kan concluderen

De shuffle-negatieve controle laat zien dat het sluitingssignaal afhangt van de juiste mapping tussen datasets en niet onder willekeurige mappings te verkrijgen is.

Kan niet concluderen

Men kan niet zeggen dat P1 alle donkere-materiemodellen heeft omvergeworpen. P1A put niet-sfericiteit, omgevingsafhankelijkheid, complexe sterrenstelsel–halo-verbindingen, hoogdimensionale feedback of volledige kosmologische simulaties nog steeds niet uit.

Kan niet concluderen

Men kan niet zeggen dat het volledige EFT-raamwerk vanuit eerste principes is bewezen. P1 test alleen de fenomenologische laag van gemiddelde gravitatiereactie.

Kan niet concluderen

Men kan niet zeggen dat alle systematiek is uitgesloten. P1 biedt alleen robuustheidsbewijs binnen de genoemde stresstests en auditscope.

Term

Uitleg in één zin

Rotatiecurve (RC)

De relatie tussen straal en rotatiesnelheid in een sterrenstelselschijf, gebruikt om de effectieve zwaartekracht binnen de schijf af te leiden.

Zwakke lenswerking (GGL)

Een maat voor de gemiddelde gravitatie-/massaverdeling rond voorgrondsterrenstelsels via de statistische vervorming van de vormen van achtergrondsterrenstelsels.

Sluitingstest

Gebruikt de RC-posterior om GGL te voorspellen en vergelijkt die daarna met de negatieve controle die door geschudde mapping ontstaat.

Negatieve controle

Breekt bewust een sleutelstructuur om te zien of het signaal verdwijnt; gebruikt om valse signalen uit te sluiten.

NFW-halo

Een dichtheidsprofiel voor donkere-materiehalo’s dat vaak wordt gebruikt in modellen voor koude donkere materie.

c–M-relatie

De relatie tussen donkere-materiehaloconcentratie c en massa M; of spreiding wordt toegestaan beïnvloedt de modelflexibiliteit.

DM_STD

De gestandaardiseerde DM-stresstesttak in P1A die meerdere laagdimensionale DM-versterkingen en een lensing-nuisanceterm combineert.

ΔlogL

Het log-likelihoodverschil tussen twee modellen onder dezelfde scoringsregel; een positieve waarde betekent dat het eerste model beter is.

Covariantie

Een matrixbeschrijving van correlaties tussen datapunten; zwakke-lensdata vereisen meestal de volledige covariantie.

Belangrijkste archiefingangen

Technisch P1-rapport (releaseniveau, Concept DOI): 10.5281/zenodo.18526334

Volledig P1-reproductiepakket (Concept DOI): 10.5281/zenodo.18526286

Gestructureerde EFT-kennisbank (optioneel, Concept DOI): 10.5281/zenodo.18853200

Licentie-opmerking: het technische rapport gebruikt CC BY-NC-ND 4.0; het volledige reproductiepakket gebruikt CC BY 4.0 (raadpleeg het technische rapport en de Zenodo-archieven als gezaghebbend).