从 21-cm 图重建电离化时间场：探讨 WDM 宇宙学中预测器的相干性
宇宙学与河外天体物理
2026-05-12 v1
摘要
电离化时间场 treion(r) 通过映射宇宙中每个区域成为电离的时刻来捕捉整个宇宙电离历史。先前的工作表明，可从 21-cm 观测中推断 treion(r)，所需使用卷积神经网络 (CNN)。然而，这些 CNN 预测器是在特定电离模型上训练的，这引发了当应用于可能与训练假设不同的观测数据时的可靠性问题。本文旨在提出并测试一种方法，以评估我们 CNN 预测器相对于其输入模型的相干性，从而在基于其重建行为验证或排除潜在的电离模型。通过将 CDM 模型作为参考输入，我们评估了 treion(r) 重建的相干性，通过在多个红移处进行比较来评估几种预测模型的 treion(r) 重建统计——对于输入图的每个红移，重建统计应相同。我们的研究特别关注在冷暗能量 (CDM) 和温暗暗能量 (WDM) 模型上训练的 CNN，其中 WDM 粒子质量分别为 2、3、5 和 7 keV。我们发现，在 5 和 7 keV WDM 模型上训练的预测器表现出与 CDM 预测器类似的高度自我一致性，而 2 keV 预测器（且在一定程度上 3 keV 预测器）在多个指标上显示出显著偏差。这些发现似乎表明，CNN 预测器保留了对潜在电离模型差异的敏感性，可用于评估模型与观测的兼容性。我们的结果突显了在将其应用于真实数据之前，必须对机器学习预测器进行输入模型验证的必要性。本文提出的方法为电离研究中更可信的 CNN 应用提供了一条途径。
引用
@article{arxiv.2605.08970,
title = {Reionisation time field reconstruction from 21-cm Maps: Investigating predictor coherence in WDM cosmology},
author = {Julien Hiegel and Dominique Aubert and Émilie Thélie and Rodrigo Ibata and Nicolas Mai},
journal= {arXiv preprint arXiv:2605.08970},
year = {2026}
}