PUREPath-B：用于恢复宇宙微波背景B极化的大尺度天空区域的嵌套贝叶斯模型
宇宙学与河外天体物理
2025-03-27 v1
摘要
我们引入了一个综合性、自主开发的神经网络PUREPath-B，能够在给定由前景污染的CMB数据和由训练数据提供信息的条件下，产出Cosmic Microwave Background（CMB）B极化信号的后验预测分布。该网络采用嵌套的概率多模态U-Net框架，增强了在跳跃连接处的概率ResNet，并无缝集成贝叶斯统计和变分方法，以最小化前景和噪声污染。在训练期间，网络参数上的初始先验分布通过贝叶斯推断演化为近似后验分布，受训练数据约束。在从模型参数的近似联合后验中，我们的网络在推断期间推断CMB后验，并产出诸如预测均值、清洁图的方差等概要统计量。预测标准偏差提供了对预测CMB图每个像素不确定性的可解释度量。在损失函数方面，我们采用KL散度损失和加权平均绝对误差（weighted MAE）的线性组合——这确保了具有较大�幅的图不会在损失中占据主导地位。此外，我们利用清洁B极化功率谱及其误差估计进行的宇宙学参数估计结果表明，该网络有效地最小化了前景污染，使我们能够准确恢复量子-标量比和透镜幅度。
引用
@article{arxiv.2503.20774,
title = {PUREPath-B: A Tessellated Bayesian Model for Recovering CMB B-modes over Large Angular Scales of the Sky},
author = {Vipin Sudevan and Pisin Chen},
journal= {arXiv preprint arXiv:2503.20774},
year = {2025}
}