利用机器学习和高斯过程回归修正LOFAR在z≈9.1处的21厘米信号功率谱上限
宇宙学与河外天体物理
2024-08-21 v2 星系天体物理
摘要
使用高斯过程回归（GPR）进行前景消除，以处理LOw-Frequency ARray（LOFAR）收集的用于测量高红移21厘米信号功率谱的数据，已被证明在21厘米信号协方差被错误估计时存在信号丢失问题。为了解决这个问题，我们最近引入了通过使用基于机器学习的变分自编码器（VAE）算法结合21厘米信号模拟获得的协方差核。在本工作中，我们将这一框架应用于LOFAR在z≈9.1处的141小时（约10晚）数据，并报告了21厘米信号功率谱的修正上限。总体上，我们与过去的结果一致，报告了在k=0.075 h Mpc⁻¹处Δ²₂₁<(80)² mK²的2σ上限。此外，基于VAE的核与系统过剩噪声具有较小的相关性，整体基于GPR的方法被证明是对数据的良好模型。假设对过剩噪声进行了准确的偏差修正，我们报告了在k=0.075 h Mpc⁻¹处Δ²₂₁<(25)² mK²的2σ上限。然而，我们仍需谨慎，建议采用更保守的方法联合报告过剩噪声和21厘米信号成分的上限。
引用
@article{arxiv.2408.10051,
title = {Revised LOFAR upper limits on the 21-cm signal power spectrum at $\mathbf{z\approx9.1}$ using Machine Learning and Gaussian Process Regression},
author = {Anshuman Acharya and Florent Mertens and Benedetta Ciardi and Raghunath Ghara and Léon V. E. Koopmans and Saleem Zaroubi},
journal= {arXiv preprint arXiv:2408.10051},
year = {2024}
}
备注
5 pages, 3 figures, 2 tables. Accepted for publication in the Monthly Notices of the Royal Astronomical Society (MNRAS) Letters