跳到主要内容
返回时间线
arXiv来源发表:

球面图卷积网络直接读多频B模图:张量标量比误差比最强能谱似然低约四分之一

核心概要

球面图卷积网络不再先把多频宇宙微波背景极化图压成能谱,而是直接从切天区的B模图推断张量标量比。在包含透镜效应、非均匀噪声和随机银河尘埃与同步辐射的2万次模拟上,它与用同一批模拟标定的多频能谱似然逐图比较,均方根误差降低约1.3倍,68%区间窄约1.2倍。这一增益出现在前景存在时;无前景时两者相当,且两种估计器都绑定在各自的前景模型上。

Source-provided article image: Map-Level Inference of Primordial Gravitational Waves from the CMB with Spherical Neural Networks
arXiv

深度剖析

多频B模极化图可以不经能谱估计和成分分离,直接送入球面图卷积网络得到张量标量比的估计与不确定度。 此前的图级推断只在无噪声、无前景的平面天区小块上进行,没有在弯曲天区上同时处理银河前景和非均匀噪声。 在带随机尘埃与同步辐射的前景模拟上,网络对张量标量比的均方根误差为2.08,最强能谱似然为2.79,平均68%半宽分别为2.15与2.59。

网络把六个频段当作输入通道,在HEALPix像素构成的图上做谱域卷积,自行学出频率组合和空间加权。 能谱似然先把图压成6个自谱与15个交叉谱、9个多极矩分箱的189维数据向量,再拟合高斯后验。 训练集为2万次模拟,测试为11个张量标量比取值各100次的独立网格;显著性图显示网络对最深天区的敏感度与命中图秩相关为0.80至0.85,93 GHz通道占约77%的敏感度份额。

启示与展望

结果建立在一个通用地面小口径望远镜的模拟天区上,六个频段为27、39、93、145、225和280 GHz,训练与测试共享来自真实天空观测的固定大尺度前景模板;该基准不含去透镜、仪器系统误差和观测策略变化。

网络与能谱似然都绑定在各自标定的前景族上:在七个分布外前景测试中网络有六个均方根误差更低,但面对沿视线变化的三维尘埃模型时网络高估约12,而报告的不确定度只从2.2升到2.4;在张量标量比接近零处,非负先验使两种估计都偏高,网络偏差约为似然的二分之一到三分之二。