.png){kind=icon}
返回
CMB delensing with deep learning
.png){kind=icon}
PRE
AI
DOI：10.1088/1572-9494/ae1940.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
宇宙微波背景（CMB）是研究弱引力透镜效应的关键来源。透镜效应的CMB有助于约束宇宙学参数，但同时也平滑了原始CMB的特征。未透镜CMB的角功率谱展现出更尖锐的声学峰值和更显著的阻尼尾部，提高了推断影响这些特征的宇宙学参数的精度。尽管去透镜会降低B模功率谱（BB），但它有助于探测原初引力波，并实现对透镜效应及其他次级CMB各向异性来源的低方差重建。我们采用U形卷积神经网络（UNet++）算法对CMB去透镜进行操作和分析，给出了去透镜后的温度-温度（TT）、E模（EE）和B模（BB）角功率谱，并与使用二次估计器（QE）去透镜算法得到的结果进行了比较。由UNet++算法处理的透镜CMB天图和全天角功率谱非常接近无透镜效应的CMB，其误差比QE算法给出的结果小10倍以上。本次分析所使用的代码已公开可用。
Keyword:
cosmic microwave background
weak gravitational lensing
delensing
deep learning
power spectrum
期刊
C
IF:
2.9
论文数:
158
被引数:
4.8K
机构
引用论文
暂无论文信息