利用强度映射观测通过深度学习重建三维星系分布

谱线强度映射正作为一种新方法崭露头角，能够测量来自遥远星系的原子/分子谱线发射的集体强度涨落。多个不同波长的观测项目正在进行和规划中，但存在一个关键问题——谱线混淆：来自不同红移星系的发射线在同一观测波长处混淆。我们设计了一种生成对抗网络，从含噪三维数据中提取指定的发射线信号。我们新颖的网络架构允许两个输入数据，其中相同的大尺度结构由 H$\rm \alpha$ 和 [OIII] 两条发射线示踪，从而使网络学习各波长的相对贡献，并训练以分解各自信号。在使用大量真实模拟星表训练后，该网络能够重建 $z = 1.3-2.4$ 处发射线星系的三维分布。亮星系的识别精度达 84%，真实与重建强度图之间的互相关系数高达 0.8。我们的深度学习方法可随时应用于规划中的星载和地基实验数据。