使用神经网络推断亚毫米和毫米波尘埃辐射

Planck任务在亚毫米至毫米波段提供了5角分辨率的全天尘埃辐射图。此外，可以使用地面望远镜在长波长和更高分辨率下观测特定天体。这些观测仅限于小尺度，需进行大量数据处理才能用于科学分析。它们还受限于扩展辐射过滤。在目前，我们仍无法完全理解在长波长下不同天体环境中观察到的辐射系数变化。因此，估计亚毫米-毫米波段尘埃辐射的分辨率超过Planck的5角分辨率具有挑战性。本分析基于监督式深度学习算法，我们在两个Planck波段（中心波长为850微米和1.38毫米）制作了尘埃辐射预测，分辨率为Herschel的37角秒。将Herschel数据（波长范围从160微米到500微米，平滑至5角）用于训练神经网络。随后仅使用Herschel数据，模型被应用于预测37角秒的尘埃辐射图。神经网络能够再现各种星际环境的尘埃辐射图。值得注意的是，它也表现出良好性能，用于近距离星系环境。这可能表明大颗粒尘埃在我们星系和近距离星系中具有相似的属性，或者至少其光谱行为在星际和星系环境中可比。我们提供了多个调查（Hi-GAL、Gould Belt、Cold Cores、HERITAGE、Helga、HerM33es、KINGFISH、VNGS）在850微米和1.38毫米的尘埃辐射预测图，分辨率为37角秒。这些两个波长亮度波段的比值揭示了统计上接近1的辐射光谱指数，支持 wavelengths大于850微米的尘埃辐射谱平坦的假说。