Scripts de Reproducción¶

Esta página proporciona todos los scripts Python necesarios para reproducir las 8 pruebas de validación de TMT.

Requisitos Previos¶

Instalación de dependencias¶

pip install numpy scipy matplotlib astropy

Estructura de datos¶

Maitrise-du-temps/
├── data/
│   ├── sparc/
│   │   ├── SPARC_Lelli2016c.mrt
│   │   └── MassModels_Lelli2016c.mrt
│   └── Pantheon+/
│       └── Pantheon+SH0ES.dat
└── scripts/
    └── [scripts abajo]

Tabla de Pruebas y Scripts¶

Prueba	Resultado	Script	Datos
Curvas de rotación SPARC	156/156 (100%)	`test_TMT_v2_SPARC_reel.py`	SPARC
Ley r_c(M)	r = 0.768	`investigation_r_c_variation.py`	SPARC
Ley k(M)	R² = 0.64	`test_TMT_v2_SPARC_reel.py`	SPARC
Isotropía Weak Lensing	-0.024%	`test_weak_lensing_TMT_vs_LCDM.py`	COSMOS
COSMOS2015 Masa-Entorno	r = 0.150	`test_weak_lensing_TMT_vs_LCDM_real_data.py`	COSMOS2015
SNIa por entorno	pred: 0.57%	`test_3_predictions_TMT.py`	Pantheon+
Efecto ISW	pred: 18.2%	`calculate_ISW_improved.py`	Planck
Tensión de Hubble	100% resuelta	`calibrate_TMT_v23_cosmologie.py`	Planck+SH0ES

Fuentes de Datos¶

SPARC (Incluido en el repositorio)¶

Los datos SPARC están incluidos en data/sparc/. Fuente original:

URL: http://astroweb.cwru.edu/SPARC/
Referencia: Lelli, McGaugh & Schombert (2016), AJ 152, 157
Archivos:
- SPARC_Lelli2016c.mrt: Propiedades de 175 galaxias
- MassModels_Lelli2016c.mrt: Curvas de rotación

Pantheon+ (Incluido en el repositorio)¶

Los datos Pantheon+ están incluidos en data/Pantheon+/. Fuente original:

URL: https://github.com/PantheonPlusSH0ES/DataRelease
Referencia: Scolnic et al. (2022), ApJ 938, 113
Archivo: Pantheon+SH0ES.dat (1701 supernovas Tipo Ia)

COSMOS2015 (Descarga externa)¶

URL: CDS VizieR
Referencia: Laigle et al. (2016), ApJS 224, 24
Script auxiliar: scripts/download_cosmos_auto.py

Planck CMB (Datos públicos)¶

URL: Planck Legacy Archive
Referencia: Planck Collaboration (2020), A&A 641, A6

Scripts Detallados¶

1. Curvas de Rotación SPARC¶

Resultado: 156/156 galaxias (100%) | Archivo: test_TMT_v2_SPARC_reel.py

Este script prueba la formulación TMT v2.0 en las 175 galaxias SPARC reales (156 retenidas después del filtrado de calidad).

Ejecución:

cd scripts
python test_TMT_v2_SPARC_reel.py

Salida esperada: data/results/TMT_v2_SPARC_reel_results.txt

Mostrar código fuente

#!/usr/bin/env python3
"""
Test TMT v2.0 con datos SPARC REALES (175 galaxias)
Calibración de la ley k = a × (M/10^10)^b

Datos: http://astroweb.cwru.edu/SPARC/
Referencia: Lelli, McGaugh & Schombert (2016)
"""

import numpy as np
from scipy.optimize import minimize_scalar, curve_fit
from pathlib import Path
import warnings
warnings.filterwarnings('ignore')

# Constantes
G_KPC = 4.302e-6  # kpc (km/s)² / M_sun
C_KMS = 299792.458  # km/s

# Parámetros TMT v2.0
R_C_DEFAULT = 18.0  # kpc - radio crítico calibrado
N_DEFAULT = 1.6     # exponente calibrado

# ... [Código completo disponible en GitHub]

:material-download: Descargar script completo

2. Ley r_c(M)¶

Resultado: r = 0.768 (p < 10⁻²¹) | Archivo: investigation_r_c_variation.py

Este script analiza la dependencia del radio crítico r_c con la masa bariónica.

Ejecución:

cd scripts
python investigation_r_c_variation.py

Relación descubierta:

r_c(M) = 2.6 × (M_bary / 10¹⁰ M_☉)^0.56 kpc

Mostrar código fuente

#!/usr/bin/env python3
"""
INVESTIGACIÓN r_c: ¿Por qué 5 vs 10 vs 18 kpc?

Análisis de diferentes valores de r_c obtenidos por diferentes métodos.
Descubrimiento: ¡r_c depende de la masa bariónica!

Autor: Pierre-Olivier Després Asselin
Fecha: Enero 2026
"""

import numpy as np
from scipy.optimize import minimize
from pathlib import Path

# Constantes
G_KPC = 4.302e-6  # kpc (km/s)² / M_sun

# ... [Código completo disponible en GitHub]

:material-download: Descargar script completo

3. Ley k(M)¶

Resultado: R² = 0.64 | Archivo: test_TMT_v2_SPARC_reel.py

La ley k(M) se calibra en el mismo script que las curvas de rotación.

Ley calibrada:

k = 3.97 × (M/10¹⁰)^(-0.48)

4. Isotropía Weak Lensing¶

Resultado: -0.024% | Archivo: test_weak_lensing_TMT_vs_LCDM.py

Este script prueba si los halos de materia oscura son isotrópicos (TMT v2.0) o alineados (TMT v1.0 refutado).

Ejecución:

cd scripts
python test_weak_lensing_TMT_vs_LCDM.py

Mostrar código fuente

#!/usr/bin/env python3
"""
PRUEBA PRIMARIA: Halos Asimétricos - Predicción TMT vs ΛCDM

PREDICCIÓN TMT v2.0 (ISOTRÓPICO):
  Los halos son esféricos, sin alineación preferencial.
  Correlación esperada: r ≈ 0.00 ± 0.05

RESULTADO: r = -0.024% → TMT v2.0 VALIDADO (isotrópico)
"""

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import pearsonr, spearmanr

# ... [Código completo disponible en GitHub]

:material-download: Descargar script completo

5. COSMOS2015 Masa-Entorno¶

Resultado: r = 0.150 | Archivo: test_weak_lensing_TMT_vs_LCDM_real_data.py

Análisis de la correlación masa-entorno en datos reales COSMOS2015.

Datos requeridos: Descargar COSMOS2015 desde VizieR

Ejecución:

cd scripts
python test_weak_lensing_TMT_vs_LCDM_real_data.py

:material-download: Descargar script completo

6. SNIa por Entorno¶

Resultado: pred: 0.57% | Archivo: test_3_predictions_TMT.py

Prueba de la expansión diferencial H(z,ρ) mediante supernovas Tipo Ia en diferentes entornos.

Ejecución:

cd scripts
python test_3_predictions_TMT.py

Mostrar código fuente

#!/usr/bin/env python3
"""
PRUEBA DE 3 PREDICCIONES DISTINTIVAS TMT v2.0

1. SNIa por entorno: Delta_dL = 5-10% (vacío vs cúmulo)
2. ISW amplificado +26% en supervacíos
3. Validación r_c(M) por validación cruzada

Autor: Pierre-Olivier Després Asselin
Fecha: Enero 2026
"""

import numpy as np
from scipy.integrate import quad
from scipy.stats import pearsonr, ttest_ind

H0 = 70  # km/s/Mpc
Omega_m = 0.315
Omega_Lambda = 0.685
beta = 0.4  # Parámetro TMT

# ... [Código completo disponible en GitHub]

:material-download: Descargar script completo

7. Efecto ISW¶

Resultado: pred: 18.2% | Archivo: calculate_ISW_improved.py

Cálculo del efecto Sachs-Wolfe integrado (ISW) para TMT vs ΛCDM.

Ejecución:

cd scripts
python calculate_ISW_improved.py

Mostrar código fuente

#!/usr/bin/env python3
"""
Cálculo mejorado del efecto ISW (Integrated Sachs-Wolfe)
Comparación TMT v2.0 vs LCDM

El efecto ISW mide la variación del potencial gravitacional
mientras los fotones del CMB atraviesan las estructuras:

Delta_T/T = 2/c² × ∫(dΦ/dt × dl)
"""

import numpy as np
from scipy.integrate import quad, odeint

H0 = 70.0          # km/s/Mpc
Omega_m = 0.315
Omega_Lambda = 0.685
beta = 0.4         # Parámetro TMT

# ... [Código completo disponible en GitHub]

:material-download: Descargar script completo

8. Tensión de Hubble¶

Resultado: 100% resuelta | Archivo: calibrate_TMT_v23_cosmologie.py

Demostración de la resolución de la tensión H₀ mediante el campo de temporones.

Ejecución:

cd scripts
python calibrate_TMT_v23_cosmologie.py

Principio:

Φ_T(ρ=1) = 0 → CMB = ΛCDM exactamente
Φ_T(ρ<1) > 0 → H_local > H_CMB (vacío local)

:material-download: Descargar script completo

Ejecución Completa¶

Para reproducir todas las pruebas:

# Clonar repositorio
git clone https://github.com/cadespres/Maitrise-du-temps.git
cd Maitrise-du-temps

# Instalar dependencias
pip install numpy scipy matplotlib astropy

# Ejecutar pruebas principales
cd scripts
python test_TMT_v2_SPARC_reel.py          # SPARC + k(M)
python investigation_r_c_variation.py      # r_c(M)
python test_3_predictions_TMT.py           # SNIa + ISW + validación
python test_weak_lensing_TMT_vs_LCDM.py   # Weak lensing
python calculate_ISW_improved.py           # ISW detallado
python calibrate_TMT_v23_cosmologie.py     # Tensión H0

Resultados Esperados¶

Prueba	Valor Esperado	Significado
SPARC	156/156 (100%)	Todas las galaxias mejoradas vs Newton
r_c(M)	r = 0.768	Fuerte correlación r_c - masa
k(M)	R² = 0.64	Buen ajuste ley de potencia
Weak Lensing	~0%	Halos isotrópicos confirmados
SNIa	<2% Δd_L	Compatible con observaciones
ISW	~18%	Efecto detectable
H₀	0σ tensión	Resolución completa

Significatividad estadística global: p = 10⁻¹¹² (>15σ) | Reducción Chi²: 81.2%

Todos los scripts están bajo licencia MIT y pueden ser usados y modificados libremente.