通过生成对抗网络进行CMB数据分析中的修复

在这项工作中，我们提出一种新方法，在点源提取过程之后对被掩蔽区域的CMB信号进行修复（inpaint）。我们采用改进的生成对抗网络（GAN）并比较内部（超）参数与训练策略的不同组合。我们使用合适的 $\mathcal{C}_r$ 变量研究性能，以估计在CMB功率谱恢复方面的表现。我们考虑一个测试集，其中每个天区 patch 掩蔽一个 point source，扩展为1.83 $\times$ 1.83平方度，在我们的网格化中对应于64 $\times$ 64像素。该GAN针对Planck 2018总强度模拟上的性能估计进行了优化。训练使GAN能有效地重建对应于约1500像素的掩蔽，误差为 $1\%$，直至对应于约5角分的角尺度。