半盲 CMB 偏振重建中前景矩去投影的优化

旨在测量原初 CMB B 模的 upcoming 宇宙微波背景 (CMB) 实验，需要对银河系前景污染进行精确控制。最小方差技术，如 Needlet Internal Linear Combination (NILC)，已被证明在重建 CMB 偏振信号和减轻不同天区模型下的前景方面是有效的，且不会受到建模错误的影响。然而，当面对最复杂的前景情景时，残留污染可能会在大角尺度上使恢复的 CMB 偏振产生偏差。通过向 NILC 添加约束以去投影银河系发射的矩，Constrained Moment ILC (cMILC) 方法已被证明能增强前景减除，尽管伴随着整体噪声方差的增加。面对前景偏差减小与整体方差最小化之间的这种权衡，目前尚无关于去投影哪些矩以及哪些矩更适合盲方差最小化的方案。为解决这一问题，我们引入了优化的 cMILC (ocMILC) 流程，该流程根据实际的天区复杂度、可用的频率覆盖范围和实验灵敏度，对所需去投影的前景矩的数量和集合、枢轴参数值以及去投影系数 across 天区和角尺度进行全优化。去投影矩的最佳数量（在产生显著噪声惩罚之前）是通过受 Generalized NILC (GNILC) 方法启发的数据诊断确定的。在使用四种具有挑战性的前景模型对 PICO 空间任务概念的 B 模模拟进行验证时，ocMILC 在所有角尺度上表现出比 NILC 和 cMILC 更低的前景污染，且噪声惩罚有限。这种多层优化使 ocMILC 流程能够实现无偏的张量 - 标量比后验分布，无论前景复杂度如何。