利用生成对抗网络从透镜化CMB恢复星系团会聚质量场
宇宙学与河外天体物理
2022-11-17 v1
摘要
我们提出了一种新方法,利用条件生成对抗网络(cGAN)从透镜化的CMB温度图中重建星系团的会聚质量场(convergence)。我们的模型相对于Caldeira等人(2019)提出的残差U-Net方法,更强调结构和高频正确性。最终,我们证明尽管两种模型在无噪声情形下(以及在对星系团中心进行随机偏移后)表现相似,但在处理叠加了5uK/arcmin白噪声或天体物理前景(tSZ和kSZ)的CMB图时,cGAN优于ResUNet;这种优势在高l处尤为明显,而这正是ResUNet相对于传统方法表现不佳的频段。
引用
@article{arxiv.2211.08990,
title = {Recovering Galaxy Cluster Convergence from Lensed CMB with Generative Adversarial Networks},
author = {Liam Parker and Dongwon Han and Pablo Lemos Portela and Shirley Ho},
journal= {arXiv preprint arXiv:2211.08990},
year = {2022}
}