利用神经网络对 CMB 天图进行快速 Wiener 滤波
宇宙学与河外天体物理
2019-05-16 v1 天体物理仪器与方法
摘要
我们展示了如何训练神经网络以高精度对带掩膜的 CMB 天图进行 Wiener 滤波。我们提出了一种创新的神经网络架构 WienerNet，其保证了对数据天图的线性。我们的方法不需要 Wiener 滤波后的训练数据，而是从量身定制的损失函数中学习 Wiener 滤波，这些损失函数在数学上保证被精确解所最小化。一旦训练完成，该神经网络 Wiener 滤波器极快，约比标准共轭梯度法快 1000 倍。Wiener 滤波是许多最优 CMB 分析（包括功率谱估计、透镜效应与非高斯性）中的计算瓶颈，我们的方法有可能以最小的最优性损失将其加速数个数量级。该方法亦应有助于分析宇宙学中的其他统计场。
引用
@article{arxiv.1905.05846,
title = {Fast Wiener filtering of CMB maps with Neural Networks},
author = {Moritz Münchmeyer and Kendrick M. Smith},
journal= {arXiv preprint arXiv:1905.05846},
year = {2019}
}
备注
15 pages, 7 figures