应用物理信息神经网络消除天文望远镜束效应
天体物理仪器与方法
2025-08-15 v2
摘要
本研究引入了 {\tt{PI-AstroDeconv}}，一种专为消除天文望远镜观测系统中的束效应而设计的物理信息准监督学习方法。该方法利用编码器-解码器网络结构，结合望远镜的点扩散函数或束作为先验信息，同时将快速傅里叶变换加速卷积技术集成到深度学习网络中。这使我们能够有效地消除天文观测图像中的束效应。{\tt{PI-AstroDeconv}} 能够处理多个 PSF 或束，容忍一定的测量不准确，并显著提高图像去卷积的效率和准确性。因此，这种体系结构特别适用于不依赖标注数据的数据处理。为验证该体系结构的可靠性，我们使用了 SKA 科学数据挑战 3a 数据集，并将其与 去卷积方法在 21-cm 功谱水平上进行了比较。结果表明，我们的算法不仅在像素层面恢复了细节并减少了图像的模糊性，还能在功谱层面更准确地恢复中性氢功谱的真实值。
引用
@article{arxiv.2409.05718,
title = {Application of Physics-Informed Neural Networks in Removing Telescope Beam Effects},
author = {Shulei Ni and Yisheng Qiu and Yunchuan Chen and Zihao Song and Hao Chen and Xuejian Jiang and Donghui Quan and Huaxi Chen},
journal= {arXiv preprint arXiv:2409.05718},
year = {2025}
}
备注
Accepted for publication in the Astrophysical Journal