利用深度学习消除中性氢强度映射中的偏振泄漏效应
天体物理仪器与方法
2023-09-15 v2 宇宙学与河外天体物理
广义相对论与量子宇宙学
摘要
中性氢（HI）强度映射（IM）巡天被视为宇宙大尺度结构（LSS）研究的一种有前景的方法。HI IM 巡天的一个主要问题是去除明亮的前景污染。成功去除明亮前景的关键在于良好控制或消除仪器效应。在这项工作中，我们考虑偏振泄漏的仪器效应，并使用 U-Net 方法（一种基于深度学习的前景去除技术）来消除偏振泄漏效应。假设对于未来的 HI IM 巡天，热噪声相比偏振泄漏为次要因素，因此在分析中忽略。在该方法中，主成分分析（PCA）前景减除用作 U-Net 前景减除的预处理步骤。我们的结果表明，额外的 U-Net 处理既可以去除保守 PCA 减除后的前景残差，也可以补偿激进 PCA 预处理所引起的信号损失。最后，我们测试了 U-Net 前景减除技术的鲁棒性，并表明其在存在 HI 涨落幅度约束误差的情况下仍然可靠。
引用
@article{arxiv.2212.08773,
title = {Eliminating polarization leakage effect for neutral hydrogen intensity mapping with deep learning},
author = {Li-Yang Gao and Yichao Li and Shulei Ni and Xin Zhang},
journal= {arXiv preprint arXiv:2212.08773},
year = {2023}
}
备注
13 pages, 13 figures; accepted for publication in MNRAS