基于机器学习恢复前景楔形剔除的21厘米光锥以用于高红移星系成图
宇宙学与河外天体物理
2024-05-30 v2 天体物理仪器与方法
摘要
即将开展的实验将在再电离纪元(EoR)期间绘制三维空间体积内21厘米信号的空间分布。已有若干方法被提出以缓解21厘米信号层析图像中天体物理前景污染的问题，其中之一涉及在柱坐标傅里叶空间中切除楔形区域。虽然这去除了最易受前景污染的模式，但同时移除楔形内位于其中的宇宙学信息会显著扭曲21厘米图像的结构。在本研究中，我们基于U-Net深度学习算法构建以重建前景楔形剔除的21厘米信号图，新近引入了光锥效应。采用平方公里阵列(SKA)作为我们的基准仪器，我们强调我们的U-Net恢复框架即使在仪器限制和噪声面前也保持合理水平的可靠性。我们随后评估了恢复图在指导高红移星系搜寻以及为现有星系星表提供背景方面的效能。这将使得研究高红移星系光度函数如何随环境变化成为可能，并最终精炼我们对EoR期间星系际介质(IGM)电离态与星系之间联系的理解。
引用
@article{arxiv.2308.09740,
title = {Machine-learning recovery of foreground wedge-removed 21-cm light cones for high-$z$ galaxy mapping},
author = {Jacob Kennedy and Jonathan Colaço Carr and Samuel Gagnon-Hartman and Adrian Liu and Jordan Mirocha and Yue Cui},
journal= {arXiv preprint arXiv:2308.09740},
year = {2024}
}
备注
v2: replaced with accepted MNRAS version (extra clarifying remarks and some demonstration of out-of-distribution performance). Results and conclusions unchanged