ENGLISH This work presents a systematic analysis of 50 Cold Spots identified in Planck 2018 CMB temperature maps, combined with multi-band observations from galaxy surveys (DESI Legacy, 2MASS, SDSS) and high-redshift GRB catalogs (Swift/BAT). A subset of Cold Spots shows a consistent morphology characterized by a central underdensity surrounded by a shell-like overdensity structure, E-mode polarization ring features, and statistically significant spatial correlations with high-redshift GRBs. The theoretical framework introduces an effective complex scalar field ψ(x,t), interpreted as a primordial creation-event density field within an effective hidden sector. Bayesian model comparison (MCMC sampling) favors the ψ-based model over standard alternatives. The analysis constrains the universal scaling parameter κ to κ = 365.250 ± 0.001 (68% confidence level). The model provides falsifiable predictions for future surveys including Euclid, SKA, and CMB-S4, particularly regarding polarization ring statistics, GRB–Cold Spot correlations, and non-Gaussian anomaly distributions. ITALIANO Questo lavoro presenta un’analisi sistematica di 50 Cold Spot identificati nelle mappe di temperatura della CMB Planck 2018, combinata con osservazioni multi-banda provenienti da survey galattiche (DESI Legacy, 2MASS, SDSS) e cataloghi di GRB ad alto redshift (Swift/BAT). Un sottoinsieme di Cold Spot mostra una morfologia coerente caratterizzata da una sottodensità centrale circondata da una struttura a guscio sovradensa, anelli di polarizzazione E-mode e correlazioni spaziali statisticamente significative con GRB ad alto redshift. Il quadro teorico introduce un campo scalare complesso efficace ψ(x,t), interpretato come campo di densità di eventi di creazione primordiale all’interno di un settore nascosto efficace. Il confronto bayesiano tra modelli (campionamento MCMC) favorisce il modello basato su ψ rispetto alle alternative standard. L’analisi vincola il parametro universale di scala κ a κ = 365.250 ± 0.001 (livello di confidenza 68%). Il modello fornisce predizioni falsificabili per future survey tra cui Euclid, SKA e CMB-S4, in particolare riguardo statistiche degli anelli di polarizzazione, correlazioni GRB–Cold Spot e distribuzioni di anomalie non gaussiane.
Natalino Marco Bravin (Sat,) studied this question.