从少图到多图：用于极端扩增 CMB 系统误差数据集的快速图级模拟器
摘要
我们引入了一种基于散射协方差（散射变换统计量的最新迭代）的新型、快速且高效的生成模型。该模型旨在将计算成本高昂的 CMB 仪器系统误差模拟数据集中的图模拟数量扩增数个数量级，包括其非高斯和非均匀特征。与基于神经网络的传统算法不同，该生成模型仅需极少量的训练样本，使其与典型 CMB 模拟活动的计算限制高度兼容。我们使用极具模拟挑战性的真实 CMB 系统误差模拟验证了该方法，并进行了广泛的统计测试，以确认其生成新的统计独立近似实现的能力。值得注意的是，即使仅用 10 次模拟进行训练，该模拟器也能紧密重现关键摘要统计量——包括角功率谱、散射系数和 Minkowski 泛函——并提供相比未扩增时样本噪声大幅降低的像素间协方差估计。所提出的方法有潜力转变模拟活动设计的范式。未来的流水线无需生成大量低或中等精度的模拟，而是可以专注于生成少数高精度模拟，然后使用此类生成模型对其进行高效扩增。这对于当前和即将开展的宇宙学巡天（如 、、Simons Observatory、CMB-S4、Euclid 和 Rubin-LSST）具有重大益处。我们在 https://github.com/jmdelouis/HealpixML 提供了散射变换统计量的通用框架，并在 https://github.com/pcampeti/CMBSCAT 提供了该模拟器。
引用
@article{arxiv.2503.11643,
title = {From few to many maps: A fast map-level emulator for extreme augmentation of CMB systematics datasets},
author = {P. Campeti and J. -M. Delouis and L. Pagano and E. Allys and M. Lattanzi and M. Gerbino},
journal= {arXiv preprint arXiv:2503.11643},
year = {2025}
}
备注
Accepted for publication in A&A. Clarified and detailed application to SO pixelization, multiplicative systematics, other instrumental systematics and foregrounds; added details on kernel size effect and role of Minkowski functionals. Codes and examples available at https://github.com/pcampeti/CMBSCAT/ and https://github.com/jmdelouis/HealpixML. 12 pages + appendices, 12 figures