基于神经网络的QUIJOTE MFI数据中极化合成辐射的空间变异性研究

极化合成辐射源于来自Galactic磁场中盘旋的超相对论性电子，这种辐射在过去几年中因低频观测质量的提升而成为星际介质中最重要的辐射之一。近期一项旨在探索该辐射的实验是QUIJOTE实验。我们旨在通过将天空划分为物理上分离的区域来研究QUIJOTE MFI数据中的合成辐射空间变异性。为此任务，我们首先采用一种基于人工神经网络的新型分量分离方法来清理合成辐射图。训练网络后，我们假设幂律模型，对实际数据中的EE和BB谱进行拟合。随后，我们给出关于指数 $\alpha_{S}$、�幅和B相位E相位�幅之比的估计值。在分析实际数据时，我们发现QUIJOTE MFI数据中在11 GHz处呈现出明显的空间变异性：在Galactic平原处指数较陡，$\alpha_{S}^{EE} = -3.1 \pm 0.3$ 和 $\alpha_{S}^{BB} = -3.1 \pm 0.4$，而在高纬度地区指数较平坦，$\alpha_{S}^{EE} = -3.05 \pm 0.2$ 和 $\alpha_{S}^{B} = -2.98 \pm 0.27$。我们测得的全天平均值为$\alpha_{S}^{EE} = -3.04 \pm 0.21$ 和$\alpha_{S}^{BB} = -3.00 \pm 0.34$。此外，在获得平均值$AS^{EE} = 3.31 \pm 0.17$ $\mu K^{2}$ 和$AS^{BB} = 0.93 \pm 0.04$ $\mu K^{2}$后，我们估计B相位和E相位�幅之比为$AS^{BB}/AS^{EE} = 0.28 \pm 0.08$。基于这些结果，我们得出结论，尽管神经网络似乎是应用于实际ISM观测的有价值方法，但必须结合Planck、WMAP和/或CBASS数据，以减少QUIJOTE图中的污染，从而提高估计的准确性。