BeyondPlanck VIII. 通过自旋谐波实现高效的旁瓣卷积与校正
BeyondPlanck VIII. Efficient Sidelobe Convolution and Correction through Spin Harmonics
AI总结：
本文提出基于自旋谐波的Conviqt卷积算法新公式，应用于BeyondPlanck框架的旁瓣校正，在保持精度的同时速度提升3-10倍，并简化了实现与维护。
摘要：
我们引入了一种基于自旋谐波的 Conviqt 卷积算法新公式，并将其应用于 BeyondPlanck 的旁瓣校正问题，BeyondPlanck 是首个用于 CMB 分析的端到端贝叶斯 Gibbs 采样框架。我们将我们的实现与之前的 Planck LevelS 实现进行了比较，发现两个代码在准确性方面吻合良好，但根据频带限制 $l_{\ extrm{max}}$ 和 $m_{\ extrm{max}}$ 的不同，速度提升了 3 到 10 倍。新算法的实现和维护显著更简单，因为所有低级计算均通过外部球谐变换库处理。我们发现，我们对 Planck LFI 的平均旁瓣估计与先前的研究结果吻合良好。此外，我们提出了新颖的旁瓣 rms 图，用于量化由于天空模型变化导致的旁瓣校正不确定性。
英文摘要：
We introduce a new formulation of the Conviqt convolution algorithm in terms of spin harmonics, and apply this to the problem of sidelobe correction for BeyondPlanck, the first end-to-end Bayesian Gibbs sampling framework for CMB analysis. We compare our implementation to the previous Planck LevelS implementation, and find good agreement between the two codes in terms of accuracy, but with a speed-up reaching a factor of 3--10, depending on the frequency bandlimits, $l_{\textrm{max}}$ and $m_{\textrm{max}}$. The new algorithm is significantly simpler to implement and maintain, since all low-level calculations are handled through an external spherical harmonic transform library. We find that our mean sidelobe estimates for Planck LFI agree well with previous efforts. Additionally, we present novel sidelobe rms maps that quantify the uncertainty in the sidelobe corrections due to variations in the sky model.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
