利用生成对抗网络从莱曼α发射体分布预测21厘米线天图

再电离时期(EoR)的 21\,cm 线射电观测使我们能够探索早期宇宙中星系与星系际介质的演化。然而,由于前景与仪器系统误差,21\,cm 线信号的探测与成像十分困难。为克服这些障碍,我们提出一种新方法:将观测到的 21\,cm 线数据与通过机器学习由莱曼α发射体(LAEs)分布生成的 21\,cm 线图像进行交叉相关。为从 LAE 分布创建 21\,cm 线天图,我们应用以数值模拟结果训练的条件生成对抗网络(cGAN)。我们发现,在 large scales $k<0.1~{\rm Mpc}^{-1}$ 上,21\,cm 线亮温度图与中性 fraction 图可以 0.5 的相关函数被复现。此外,我们基于 Subaru Hyper Suprime Cam 的 LAE 深场巡天、MWA Phase II 的 21\,cm 观测以及前景残留的存在,研究了该交叉相关的可探测性。我们表明,即便前景残留比 21\,cm 线功率谱大 5 倍,在 1000 小时 MWA 观测下仍可在 $k < 0.1~{\rm Mpc}^{-1}$ 探测到该信号。我们利用 cGAN 进行图像构建的交叉相关新方法,不仅能提升 EoR 21\,cm 线信号的可探测性,还允许我们估计 21\,cm 线自功率谱。