Component separation for future CMB B-mode satellites
下一代CMB卫星概念（LiteBIRD、CORE、PIXIE、PICO）被提出用于在天空中的大角度尺度下检测原始CMB B模式偏振，张量-标量比值为${r \lesssim 10^{-3}}$。然而，未被发现的原始CMB B模式将提供由暴胀预测的量子起源的原始引力波的独特特征。我们提出了最近的预测，在天体物理前景和引力透镜效应的存在下，在拟议的CMB空间任务CORE的背景下，对原始CMB B模式的检测。我们还讨论了问题的前景和组件分离的原始B-模式的搜索，并强调在这种情况下的具体挑战：频率范围，频谱退化，前景建模，频谱平均效应。
2018-06-04 astro-ph.CO
Spin-SILC: CMB polarisation component separation with spin wavelets
我们提出了自旋SILC，一种新的前景成分分离方法，准确地提取宇宙微波背景（CMB）偏振$E$和$B$模式从原始多频斯托克斯$Q$和$U$测量微波天空。自旋SILC是一种内部线性组合方法，其使用自旋小波来分析自旋2极化信号$P = Q + iU$。小波另外是方向性的（非轴对称的）。这允许分离不同形态的信号，因此使用附加的信息域来定位清洁算法。自旋小波优于标准标量小波的优点是同时且自洽地探测偏振信号$P = Q + iU$和基础$E$和$B$模式中的尺度和方向，因此首次提供了同时执行分量分离和$E$ - $B$分解的能力。我们测试自旋SILC的全任务普朗克模拟和数据，并显示正确地恢复基本的宇宙学$E$和$B$模式的能力。我们还证明了我们的CMB地图与现有的组件分离方法的一致性。自旋SILC可以结合伪和纯$E$ - $B$自旋小波估计在一个配套文件中提出的可靠地提取宇宙学信号的存在下，复杂的天空切割和噪声。因此，它将提供一种计算效率高的方法，以准确地提取CMB $E$和$B$模式，用于未来的偏振实验。
2016-08-22 astro-ph.CO astro-ph.IM
Cosmic Microwave Background Recovery: A Graph-Based Bayesian Convolutional Network Approach
Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室）；Scientific Computing and Imaging Institute, University of Utah（犹他大学科学计算与影像研究所）
宇宙微波背景辐射（CMB）是了解宇宙起源和演化的重要信息来源。然而，对CMB的观测受到前景辐射的污染，模糊了CMB信号，降低了其约束宇宙学参数的效力。我们采用深度学习作为数据驱动的方法，从多频全天空地图中清除CMB。特别是，我们开发了一个基于图的贝叶斯卷积神经网络的基础上的U-Net架构，预测清洁CMB与像素的不确定性估计。我们展示了这种技术的潜力，现实的模拟数据的基础上，普朗克任务。我们表明，我们的模型准确地恢复清洁的CMB天空图和角功率谱，同时识别区域的不确定性。最后，我们讨论了当前的挑战和前进的道路部署我们的模型CMB恢复实际观察。
2023-02-24 astro-ph.CO astro-ph.IM cs.LG
CENN: A fully convolutional neural network for CMB recovery in realistic microwave sky simulations
Component separation is the process with which emission sources in astrophysical maps are generally extracted by taking multi-frequency information into account. It is crucial to develop more reliable methods for component separation for future CMB experiments. We aim to develop a new method based on fully convolutional neural networks called the Cosmic microwave background Extraction Neural Network (CENN) in order to extract the CMB signal in total intensity. The frequencies used are the Planck channels 143, 217 and 353 GHz. We validate the network at all sky, and at three latitude intervals:…
2022-08-23 astro-ph.CO astro-ph.IM
ABS: an Analytical method of Blind Separation of CMB from foregrounds
从复杂的背景中提取CMB的B模偏振态是寻找暴胀引力波的一个具有挑战性的任务。我们提出了ABS方法作为一个盲目的和分析的解决方案，这个问题。该方法适用于测量的不同频带间的交叉带功率，解析地得到了CMB B模的带功率。它不依赖于前景假设，也不需要多参数拟合。针对各种前景，调查频率配置和仪器噪声的测试，我们验证了它的适用性和数值稳定性。ABS方法也适用于CMB温度，E模式偏振，热Sunyaev Zel'dovich效应，光谱失真，甚至显着不同的问题，如宇宙放大。
2019-01-08 astro-ph.CO
Separation of CMB $μ$ spectral distortions from foregrounds with poorly defined spectral shapes
本文提出了一种新的方法来分离宇宙微波背景的$μ$光谱失真与前景不明确的频谱形状。这个想法是基于找到最佳的反应所观察到的信号。这种响应对前景的敏感性较弱，其参数在其可能变化的某些限制内，同时对$μ$失真的幅度非常敏感。该算法稳定，易于实现，同时最小化了对前景和光子噪声的响应。
2023-03-14 astro-ph.CO astro-ph.IM physics.data-an
A Novel CMB Component Separation Method: Hierarchical Generalized Morphological Component Analysis
Harvard University（哈佛大学）；Stanford University（斯坦福大学）；University of California San Diego（加州大学圣迭戈分校）
提出了一种基于盲源分离框架的宇宙微波背景（CMB）前景相减新方法。受以往工作的启发，将局部变化的广义形态成分分析（GMCA），我们介绍了层次GMCA（HGMCA），贝叶斯层次图模型的源分离。我们在$N_{\rm side}=256$模拟的包含尘埃、同步辐射、自由辐射和异常微波辐射的天空图上测试了我们的方法，并表明HGMCA在普朗克UT 78掩模包含和排除的区域中减少了由$25\%$引起的前景污染，在$\ell>200$水平上将CMB温度功率谱测量的误差减小到$0.02-0.03\%$水平（以及所有$\ell$的$<0.26\%$），并降低与所有前景的相关性。我们发现等同或改进的性能相比，国家的最先进的内部线性组合（ILC）型算法对这些模拟，这表明HGMCA可能是一个有竞争力的替代前景分离技术以前应用于观察到的CMB数据。此外，我们表明，我们的性能不会受到影响，当我们扰动模型参数或改变CMB实现，这表明我们的算法推广远远超出我们的简化模拟。我们的研究结果开辟了一个新的途径，通过贝叶斯层次分析构建CMB地图。
2020-04-26 astro-ph.CO astro-ph.IM cs.LG
Multi-resolution Bayesian CMB component separation through Wiener-filtering with a pseudo-inverse preconditioner
我们提出了一个贝叶斯模型的多分辨率CMB组件分离的基础上维纳滤波和/或计算的约束实现，扩展了以前开发的框架。我们还开发了一个有效的求解器为相应的线性系统的相关信号幅度。这种新的求解器的核心是一个有效的预条件的基础上的伪逆的线性系统的系数矩阵。在全天空覆盖的情况下，与简单的对角预条件子相比，该方法的计算速度提高了2--3倍，并且更易于实现。在应用掩模并在掩模内寻求先验驱动约束实现的情况下，这是第一次在普朗克数据集的全分辨率下实现完全收敛。原型基准代码可在https://github.com/dagss/cmbcr上获得。
2017-10-03 astro-ph.CO astro-ph.IM physics.comp-ph
Data driven foreground clustering approach to component separation in multifrequency CMB experiments: A new Planck CMB map
我们提出了一种新的方法，在多频CMB实验中的组件分离，制定的问题，划分成像素集群的天空，使每个像素集群内的前景有类似的频谱，只使用数据中的信息。只有光谱信息用于分区，允许空间上远离的像素属于同一个集群，如果它们的前景属性是接近的。然后，我们将修改后的内部线性组合方法应用到每个像素簇。由于前景在每个聚类内具有相似的频谱，因此与所有数据一起使用相比，描述前景所需的分量的数量较小，并且基于简单像素的ILC算法工作得非常好。我们测试我们的算法在普朗克合作提供的全焦平面模拟。我们将我们的算法应用于普朗克完整的任务数据，并将我们的CMB地图与普朗克合作发布的CMB地图进行比较。我们表明，我们的CMB地图是干净的，公正的天空中的一个较大的部分，特别是在低银河系纬度，公开可用的地图相比，普朗克合作发布。这对于超越最简单的$Λ$ CDM宇宙学模型的约束和异常的研究是重要的。我们清理的CMB地图公开提供给宇宙学社区使用。
2019-03-15 astro-ph.CO
Atmosphere mitigation in CMB observations using multi-frequency time-domain component separation
CNRS-UCB International Research Laboratory, Centre Pierre Binétruy（CNRS-UCB国际研究实验室，皮埃尔·比内特鲁中心）；Université Paris Cité（巴黎西岱大学）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）；Space Sciences Laboratory at University of California（加州大学空间科学实验室）
该研究针对地面CMB观测受大气干扰问题，提出基于多频焦平面估计大气发射模板的新数据分析框架，用时域分量分离技术去除污染，引入净化因子量化效果，特定频段表现优于传统方法。
2026-10-14 astro-ph.CO astro-ph.IM
Reconstructing simulated CMB polarization power spectra with the Analytical Blind Separation method
多频观测需要将CMB与前景分离，并从数据中准确提取宇宙学信息。分析盲分离（ABS）方法致力于在存在天体物理前景辐射和仪器噪声污染的情况下从多频率观测中提取CMB功率谱。在这项研究中，我们应用ABS方法模拟天空地图，可以观察到与未来的星载调查，以测试该方法的能力，以确定CMB偏振$E$ -和$B$ -模式功率谱。我们提出了ABS方法的性能模拟全天空的分析和分析集中在天空区域较少影响银河前景发射。我们讨论的起源和最小化的偏差估计CMB偏振角功率谱。我们发现，ABS方法进行了相当不错的分析，在中等和小的角度尺度的全天观测，尽管强烈的前景污染。在最大的尺度上，仍然需要额外的工作来减少各种来源的偏差以及CMB $E$和$B$偏振之间的混淆对部分天空分析的影响。
2021-03-19 astro-ph.CO
Towards detecting Primordial non-Gaussianity in the CMB using Spherical Convolutional Neural Networks
本文提出用球面卷积神经网络直接分析全天CMB图以探测原初非高斯性，克服传统方法计算瓶颈，实验显示DeepSphere架构在低分辨率下与Fisher预测最接近，有望补充未来数据集中的非高斯性探测。
2024-12-16 astro-ph.CO
Non-parametric maximum likelihood component separation for CMB polarization data
本文提出一种基于极大似然的“最小信息”非参数方法，用于在CMB偏振数据分析中分离前景与CMB信号，并证明其在恢复B模式偏振信号时性能与标准参数化方法相当。
2024-02-13 astro-ph.CO
Optimizing spectral-matching component separation for measuring CMB B-mode polarization with a satellite mission
Université Paris Cité（巴黎西岱大学）；CNRS（法国国家科学研究中心）；Astroparticule et Cosmologie（亚原子粒子与宇宙学）；ILANCE, CNRS – University of Tokyo International Research Laboratory（ILANCE，日本东京大学-法国国家科学研究中心国际研究实验室）；Kavli Institute for the Physics and Mathematics of the Universe (Kavli IPMU, WPI), UTIAS, The University of Tokyo（东京大学宇宙物质前沿研究所（Kavli IPMU））；Université Paris-Saclay（巴黎萨克雷大学）；IJCLab（伊夫·让勒默物理研究所）
本研究针对卫星测量CMB B模式偏振的前景分离问题，通过增强SMICA分量和分区域运行，并结合模板边缘化，在模拟LiteBIRD观测中实现了对张量-标量比r的无偏估计，不确定性约10^{-3}。
2026-10-05 astro-ph.CO astro-ph.IM
Polarized CMB recovery with sparse component separation
宇宙微波背景的偏振模式是宇宙学的宝贵信息来源，也是探测暴胀能量尺度的独特窗口。从微波巡天中提取这些信息需要解开前景辐射和宇宙学信号之间的纠缠，这归结为解决一个分量分离问题。成分分离技术已被广泛研究用于恢复CMB温度各向异性，但很少用于偏振模式。在这种情况下，大多数成分分离技术利用二阶统计来区分各种成分。最近的方法，而不是强调在小波域中的分量的稀疏性，已被证明提供低前景，全天空的CMB温度各向异性的估计。基于稀疏性，本文介绍了一种新的成分分离技术，称为PolGMCA（极化广义形态分量分析），它细化了以前的工作，专门解决极化CMB图的估计：i）它受益于最近引入的基于稀疏性的机制以处理部分相关的分量，ii）它建立在估计器聚合技术上，以进一步产生更好的噪声污染/非高斯前景残差权衡。利用普朗克天空模型（PSM）对PolGMCA算法进行了全天空偏振微波天空模拟，结果表明，该方法能够以低噪声/前景污染残差精确地恢复出偏振态的CMB图。它提供了相对于标准方法的改进，特别是在估计CMB具有挑战性的银河系中心。
2015-08-28 astro-ph.CO stat.AP
A convolutional-neural-network estimator of CMB constraints on dark matter energy injection
我们表明，能量注入暗物质湮灭的宇宙微波背景功率谱的影响，可以理解通过一个剩余的似然图。通过求助于能够充分发现地图潜在模式的卷积神经网络，我们提出了一种基于普朗克2018年数据约束暗物质湮灭的新方法。我们证明，经过训练的神经网络可以有效地预测可能性，并以$\textit{model-independent}$的方式准确地确定湮没截面的界限。该机制将在不久的将来公布。
2021-06-04 astro-ph.CO hep-ph
Wiener filtering and pure E/B decomposition of CMB maps with anisotropic correlated noise
我们提出了一个增强版本的双信使算法的自旋场重建的球体上，同时占高度非平凡和现实的噪声模型，如调制相关噪声。我们还描述了一种优化方法的噪声协方差估计从蒙特卡罗模拟。使用模拟普朗克极化宇宙微波背景（CMB）的地图作为展示，我们证明了该算法的能力，在重建纯E和B的地图，保证是从模糊的模式所造成的泄漏或耦合的问题，困扰传统的方法E/B分离。由于其高速执行，再加上宽松的内存要求，该算法可以优化，在精确的全局贝叶斯分析的国家的最先进的CMB数据的纯E和B模式的统计最佳分离。因此，我们的算法在高分辨率和高灵敏度CMB数据的数据分析中具有潜在的关键作用，特别是在为检测难以捉摸的原始B模式信号而定制的即将到来的CMB实验范围内。
2019-09-30 astro-ph.CO astro-ph.IM
WMAP 9-year CMB estimation using sparsity
从WMAP数据中恢复宇宙微波背景（CMB）需要准确地分离出银河系前景辐射。大多数分量分离技术依赖于二阶统计量，例如内部线性组合（ILC）技术。在本文中，我们提供了一个新的WMAP 9年期CMB地图，分辨率为15弧分，使用最近引入的稀疏分量分离技术（即局部广义形态分量分析（LGMCA））进行重建。LGMCA强调在小波域中要检索的分量的稀疏性。我们表明，虽然来自一个完全不同的分离标准（即稀疏性），LGMCA-WMAP 9地图和它的功率谱是完全一致的，他们最近的估计从WMAP 9。
2013-03-20 astro-ph.CO
Component separation in CMB observations
在这些程序中，我们讨论了提取，在WMAP 5年的数据，一个干净的CMB地图，前景发射（占主导地位的发射的星际介质的我们的星系），和微小的信号从Sunyaev Zel'dovich效应的方向已知的星系团。内部线性组合方法的实施本地在像素和谐波空间，使用分解的WMAP地图到一个框架的球形针状，允许提取一个完整的天空CMB地图，具有良好的精度，即使在接近银河平面的区域。从WMAP原始观测值中适当减去这一估计的CMB，为我们提供了无CMB的前景图，它可用于分析银河系星际介质的发射，并用于检测和测量致密源的发射。最后，虽然Sunyaev-Zel'dovich无法检测到个别集群在WMAP数据，由于缺乏空间分辨率和灵敏度，堆叠分析的试探性检测对一些已知的ROSAT集群允许检测SZ效应在WMAP数据和测量如何SZ通量规模与集群质量和X射线光度。
2010-06-28 astro-ph.CO
Impact of calibration errors on CMB component separation using FastICA and ILC
将来自不同天体物理过程的发射分离出来是理解观测数据的一个重要步骤。这一主题的组件分离是特别重要的遗迹宇宙微波背景辐射的观测，由WMAP卫星和最近的普朗克任务，发射2009年5月14日从库鲁和目前正在采取的数据。当执行任何种类的组件分离时，必须使用关于组件的一些假设。许多技术通常使用的一个假设是知道一个或多个分量的频率缩放。在存在校准误差的情况下，这一假设可能会被打破。在这里，我们比较，在不完美的校准的背景下，从观测数据的宇宙微波背景的发射的干净的地图的恢复与两种方法：FastICA（它不假设的组件的频率缩放），和“内部线性组合”（ILC），明确地提取一个组件与给定的频率缩放。我们发现，即使在存在小的校准误差与普朗克式的任务，ILC方法可以导致不准确的CMB重建在高信噪比制度，因为部分取消的CMB排放在恢复的地图。虽然没有迹象表明ILC的失败将转化为其他前景清洁或组件分离技术，我们建议，所有的方法，假设一个或多个组件的频率缩放的知识小心估计校准误差的影响。
2009-07-17 astro-ph.CO
The CMB angular power spectrum via component separation: a study on Planck data
我们调查在何种程度上前景清洁CMB地图可以用来估计宇宙学参数在小尺度上。我们使用SMICA方法，一种直接在光谱级工作的盲分离技术。在这项工作中，我们专注于小尺度的CMB角功率谱，这主要是受噪声和河外前景，如点源。我们调整SMICA只使用数据图之间的互谱，从而避免了噪声偏差。在这项研究中，在模拟和普朗克2015年的数据上进行，我们通过将它们建模为两个独立群体的散粒噪声来拟合河外点源。在模拟中，我们正确地恢复点源发射定律，并且获得CMB角功率谱，其具有在$\ell \geq$ 2200处的CMB功率的五分之一的平均前景残差。在普朗克数据上，恢复的点源发射定律对应于外部估计，在最高和最低频率处具有一些偏移，可能是由于点源的频率退相干。CMB角功率谱残差与我们在模拟中发现的一致。从模拟和数据中获得的宇宙学参数显示，平均偏离其预期值高达1 $σ$。模拟中宇宙学参数的偏差代表普朗克数据中预期的偏差水平。宇宙学参数的结果依赖于光谱中前景残留污染的细节，需要一个定制的似然前景模型的建模。
2018-07-02 astro-ph.CO
Implementation of frequency-correlated noise in CMB component separation: Method, Validation, and Early Applications
Università di Trento（特伦托大学）；Dipartimento di Fisica, Università degli Studi di Milano（米兰大学物理系）；INFN sezione di Milano（意大利国家核物理研究所米兰分部）；Instituto de Tecnologías en Detección y Astropartículas (CNEA, CONICET, UNSAM)（探测与天体粒子技术研究所（阿根廷原子能委员会、国家科学研究委员会、萨米特国立大学））；Sapienza Università di Roma（罗马智慧大学）；Istituto Nazionale di Fisica Nucleare – Sezione di Roma1（意大利国家核物理研究所罗马一分部）；Mohammed VI Polytechnic University（穆罕默德六世理工大学）
本研究在Commander2中实现频率相关噪声处理框架，经模拟验证其可提升CMB组分分离的后验估计准确性，为相关分析提供工具支持。
2026-09-16 astro-ph.CO astro-ph.IM
CMB component separation in the pixel domain
我们表明，流行的ILC方法是不稳定的，在划分的样本的地图像素的一组``不稳定的''子样本。对于这样的子样本的适当选择，我们可以获得恢复的CMB信号的幅度范围从零到所观察到的信号的幅度。我们提出的方法，使我们能够获得合理的估计$C_\ell$在$\ell\leq 30$和类似的WMAP $C_\ell$较大的$\ell$。通过这种方法，我们减少了WMAP结果的一些异常。特别是，我们对四极的估计与理论上的一致性很好，“邪恶轴”的影响被抑制，南北银河半球的对称性增加。这一结果可能会改变对四极极化和宇宙再电离红移的估计。我们还提出了新的简单的方法，可以提高高$\ell$功率谱的WMAP估计。
2010-08-24 astro-ph.CO
Symmetries of CMB Temperature Correlation at Large Angular Separations
根据已发表的{ \sl WMAP}和{ \sl Planck}卫星资料，采用不同的天体物理前景模型，对大角距下宇宙微波背景温度的角关联函数$C(Θ)$进行了新的分析。结果发现，使用一个共同的分析，从两个卫星的结果是非常相似的。特别是，它被发现，以前公布的测量值之间的差异$C(Θ)$附近$Θ=90^\circ$主要来自不同的选择掩模在最大的银河系的排放区域，并证明测量偏差减少完全消除掩模。从两颗卫星的地图显示同意$C(90^\circ)=0$内估计的统计和系统误差，符合精确的对称性预测在一个新的全息量子模型的通货膨胀。
2019-12-15 astro-ph.CO gr-qc
Extracting Axion String Network Parameters from Simulated CMB Birefringence Maps using Convolutional Neural Networks
本研究构建模拟流水线并训练球面卷积神经网络，从模拟CMB双折射图中提取轴子弦网络参数，证明其优于两点统计量，并评估了CMB-S4级噪声对参数估计的影响。
2025-03-05 astro-ph.CO
A Convolutional Neural Network For Cosmic String Detection in CMB Temperature Maps
我们详细介绍了在我们以前的工作中使用的卷积神经网络检测宇宙弦的宇宙微波背景（CMB）温度各向异性地图。通过在数值生成的CMB温度图上训练该神经网络，无论有没有宇宙弦，该网络都可以生成预测图，定位宇宙弦的位置，并提供弦张力值的概率估计$Gμ$。向网络提供具有arcmin分辨率的CMB地图的无噪声模拟导致了对于具有低至$Gμ=5\times10^{-9}$的弦张力的弦的天空地图的弦位置和弦张力的准确确定。该代码可在网上公开获取。虽然我们用一个长的直绳玩具模型训练了网络，但我们发现网络在现实的Nambu-Goto模拟中表现良好。
2019-03-14 astro-ph.CO gr-qc hep-ph
Semi-blind Bayesian inference of CMB map and power spectrum
提出了一种新的宇宙微波背景（CMB）推断问题的盲公式。该方法依赖于多频微波天空的现象学模型，而不需要单个组件的物理模型。对于全天空和高分辨率数据，它统一了以前单独处理的分析部分，如分量分离和功率谱推断。我们描述了一个有效的采样方案，充分探讨了组件分离的不确定性推断CMB产品，如地图和/或功率谱。关于各个组件的外部信息可以作为先验被并入，从而给出了从最大盲方法逐渐地和连续地引入物理组件分离的灵活方式。我们连接我们的贝叶斯形式主义现有的方法，如指挥官，SMICA和ILC，并讨论未来可能的扩展。
2014-09-02 astro-ph.CO
Bayesian component separation and CMB estimation for the 5-year WMAP temperature data
一个良好的测试和验证吉布斯采样代码，执行组件分离和CMB功率谱估计，被应用到{ \it WMAP} 5年的数据。使用一个简单的模型，包括CMB，噪声，单极子和偶极子，一个"每像素“的低频幂律（适合振幅和光谱指数），和一个热尘埃模板与固定的光谱指数，我们发现，低$\ell$（$\ell < 50$）CMB功率谱是在良好的协议与公布的{ \it WMAP}5的结果。在5年数据中，发现残留单极子和偶极子较小（$\lesssim 3 μ$ K）或可忽略不计。我们全面测试了对前景（如灰尘光谱指数，幂律光谱指数先验，模板）的假设，并发现CMB功率谱对这些选择不敏感。我们确认南北黄道半球之间的功率不对称，这似乎是强大的前景建模。低频频谱指数图表明，相对于在低频率（$\sim$ GHz）处发现的频谱，平均频谱（$β=-2.97\pm0.21$）更陡。
2009-03-25 astro-ph.CO astro-ph.GA
Determination of Polarization Angles in CMB Experiments and Application to CMB Component Separation Analyses
新一代CMB偏振实验将达到以前从未达到的灵敏度极限，以检测原始B模式信号。然而，如果我们缺乏对系统学的严格控制，所有这些努力都将是徒劳的。在这里，我们专注于系统的偏振角校准的不确定性所产生的。误校准的偏振角引起E模式和B模式的混合，这模糊了原始B模式信号。本文提出了一种基于迭代角功率谱极大似然的方法来计算多频信号的极化角。该方法的基础是使EB功率谱归零。为了简化似然性，我们假设旋转角度很小（<6度），并且通过应用迭代过程来获得旋转角度的极大似然解，其中协方差矩阵不依赖于每次迭代的角度，即，旋转角度固定到先前迭代中的估计角度。有了这些假设，我们得到一个分析的线性系统，导致一个非常快速的计算实现。我们表明，用这种方法，我们能够确定每个频率的旋转角度具有足够好的精度。为了证明后一点，我们进行组件分离分析，使用参数组件分离方法B-SeCRET与两种不同的方法。在第一种方法中，我们将B-SeCRET流水线应用于利用角度估计进行反旋转的信号，而在第二种方法中，使用角度估计作为先验信息，将旋转角度视为模型参数。我们得到的旋转角度估计后，应用第二种方法，并表明，由于非零校准偏振角的系统残差减轻到1%的顺序在功率谱水平。
2021-10-27 astro-ph.CO
CMBFSCNN: Cosmic Microwave Background Polarization Foreground Subtraction with Convolutional Neural Network
本研究拓展CMBFSCNN机器学习方法，纳入CMB透镜效应，结合半分图互相关技术降噪，在CMB-S4、LiteBIRD模拟数据中精确恢复CMB极化功率谱，并讨论方法对前景模型的依赖性。
2024-06-25 astro-ph.CO
Maximum likelihood, parametric component separation and CMB B-mode detection in suborbital experiments
我们研究的性能参数极大似然分量分离方法的背景下的CMB B模式信号检测和小规模的CMB亚轨道实验表征。我们考虑高分辨率（FWHM= 8 '）气球载和地面观测站映射低尘埃对比度的天空区域的400和1000平方度，在三个频率通道，150，250，410 GHz，和90，150，220 GHz，灵敏度为1至10 micro-K每个光束大小的像素。这些被选为代表的一些建议，下一代，测热实验。我们研究了在像素和谐波域中恢复的CMB图中留下的残留前景贡献，并讨论了它们对确定张量与标量比r的影响。特别是，我们发现，来自模拟数据的考虑球载观测站的残差是足够低，不相关的B-模式的科学。然而，地面观测站需要一些外部信息才能进行令人满意的清理。我们发现，如果这样的信息确实是在后一种情况下，无论是地面和球载实验可以检测到的r值低至~0.04在95%的置信水平。前景残差对这些限制的贡献被发现是次显性的，并且这些是由CMB引起的统计不确定性驱动的，包括E-to-B泄漏和噪声。我们强调，要达到这样的水平，就需要充分控制数据中存在的系统性影响的水平。
2010-04-27 astro-ph.CO
Deep Needlet: A CNN based full sky component separation method in Needlet space
本文提出深度针孔方法，利用在针孔空间多分辨率表示上训练的卷积神经网络从普朗克多频观测中恢复全天空CMB温度图，相比NILC减少了残余前景污染，并成功应用于普朗克PR3数据。
2025-08-25 astro-ph.CO astro-ph.GA
Enhancing CMB map reconstruction and power spectrum estimation with convolutional neural networks
本文提出用基于UNet的卷积神经网络高效实现Wiener Filter，用于CMB图重建与功率谱最优二次估计，能有效处理非均匀噪声并准确恢复信号统计特性。
2024-06-05 astro-ph.CO
A GPU-Accelerated JAX Framework for Robust Parametric Component Separation and Clustering Optimization for CMB Polarization Satellites
Université Paris Cité（巴黎西岱大学）；CNRS Astroparticule et Cosmologie（法国国家科学研究中心粒子与宇宙学实验室）；Department of Physics University of Oxford（牛津大学物理系）
本文提出一种基于JAX的参数分量分离方法，用于CMB极化数据，通过GPU加速处理空间变化的前景光谱能量分布，提升计算效率和鲁棒性。
2026-10-06 astro-ph.CO
Removing Dust from CMB Observations with Diffusion Models
Flatiron Institute（熨斗研究所）；Ecole Polytechnique, Institut Polytechnique de Paris（巴黎理工学院综合理工学院）；Rutgers University（罗格斯大学）
针对CMB观测中原初B模探测受银河尘埃前景干扰的问题，提出用扩散模型建模尘埃前景，实现成分分离后验采样，还提出带宇宙学条件的模型提升性能，为后续宇宙学推断提供支持。
2023-12-11 astro-ph.CO astro-ph.GA astro-ph.IM
Smoothing methods comparison for CMB E- and B-mode separation
宇宙微波背景辐射中B模偏振的各向异性对研究极早期宇宙起着至关重要的作用。然而，在实际观测中，部分巡天观测可能会导致E模和B模的混合，在应用于宇宙学解释之前必须将其分离。Smith提出的分离方法（\citealt{PhysRevD.74.083002}）已被广泛采用，该方法需要对顶帽掩模的边缘进行光滑处理以避免数值误差。本文比较了三种不同的平滑方法，并研究了E-B混合信号的泄漏残差。我们发现，如果在分析中需要较少的信息损失和较小的区域被平滑，则\textit{sin}-和\textit{cos}-平滑方法是更好的。然而，如果我们需要一个干净的构造B模式映射，则应该平滑掩模边缘周围的较大区域。在这种情况下，\textit{Gaussian}平滑方法变得更好。另外，我们还发现在\textit{Gaussian}-平滑方法中，由于数值误差引起的泄漏主要集中在两个波段，这对于进一步的E-B分离是很容易减小的。
2015-11-04 astro-ph.CO
Linearized iterative least-squares (LIL): A parameter fitting algorithm for component separation in multifrequency CMB experiments such as Planck
我们提出了一个有效的算法，最小二乘参数拟合优化的多频CMB实验中的成分分离。我们避开了一些与非线性优化相关的问题，利用准线性性质的前景模型。我们在公开的普朗克天空模型FFP 6模拟上演示了我们的算法，线性化迭代最小二乘（LIL），并将我们的结果与其他算法进行了比较。我们的工作在全普朗克分辨率，并表明，降低所有通道的分辨率的最低频率通道是没有必要的。最后，我们提出了公开可用的普朗克数据的结果。我们的算法非常快，在不到160 CPU分钟（或在几十个核心上并行运行几分钟）的时间内以全分辨率（5000万像素）将6个参数拟合到7个最低的普朗克通道。因此，LIL很容易扩展到未来的实验，可能有更高的分辨率和更多的频率通道。我们还自然地传播不同参数的不确定性，由于在地图中的噪声以及退化的参数之间的最终误差的参数使用Fisher矩阵。LIL的一个间接应用可以是贝叶斯参数拟合的前端，以找到最大的可能性，作为吉布斯抽样的起点。我们表明，对于罕见的成分，如一氧化碳排放，目前在天空中的一小部分，最佳的方法应该结合参数拟合模型选择。LIL在满足准线性标准的其他天体物理应用中也是有用的。
2015-06-17 astro-ph.CO astro-ph.GA astro-ph.IM
Signal-preserving CMB component separation with machine learning
本文提出一种结合机器学习与内部线性组合的混合组分分离方法，仅利用不含信号的数据训练模型以利用前景非高斯特征，在模拟中显著降低B模残差方差并保持信号无偏。
2024-07-31 astro-ph.CO astro-ph.IM
Validating a main beam treatment of parametric, pixel-based component separation in the context of CMB observations
本研究在CMB观测的参数化成分分离中实现主波束校正，无需预处理即可适配不同频率波束，经模拟验证能以接近最优噪声重建更高分辨率CMB图，保留像素域优势且可处理空间平稳噪声相关性。
2025-05-16 astro-ph.CO
Recovering CMB polarization maps with neural networks: Performance in realistic simulations
本文提出一种基于神经网络的成分分离方法重建CMB偏振图，在真实Planck模拟与观测中验证了其有效性，表明该方法具有潜力但尚需改进以实现高精度宇宙学估计。
2025-09-17 astro-ph.CO astro-ph.IM
Cleaning Galactic foregrounds with spatially varying spectral dependence from CMB observations with \texttt{fgbuster}
本研究在下一代 CMB 偏振实验背景下，利用 \ exttt{fgbuster} 探讨了在不同像素子集中拟合银河系前景光谱参数的影响，表明允许光谱参数空间变化对于在控制前景残差的同时实现高信噪比至关重要。
2025-10-13 astro-ph.CO
CMB reconstruction from the WMAP and Planck PR2 data
在这篇文章中，我们描述了一个新的估计宇宙微波背景（CMB）强度图重建的完整普朗克2015年数据（PR 2）和WMAP九年的联合分析。它提供的不仅仅是（Bobin et al. 2014 b）中介绍的CMB图的更新，因为它受益于组分分离方法L-GMCA（局部广义形态组分分析）的改进，该方法允许有效分离相关组分（Bobin et al. 2015）。根据最新的CMB数据，我们进一步证实了以前的结果（Bobin等人，2014 b）表明，拟议的CMB图估计显示出天体物理学和宇宙学应用的吸引人的特征：i）这是一张不需要任何修补或插值后处理的全天空地图，ii）即使在银河系中心，前景污染也非常低，iii）它不表现出任何可检测的热SZ污染痕迹。我们表明，它的功率谱是在良好的协议与普朗克PR 2官方理论最佳拟合功率谱。最后，遵循可重复性研究的原则，我们提供了L-GMCA的可重复性代码，使其成为唯一可重复的CMB图谱。
2015-11-27 astro-ph.CO
Extracting foreground-obscured $μ$-distortion anisotropies to constrain primordial non-Gaussianity
宇宙微波背景（CMB）温度、偏振和光谱畸变各向异性之间的相关性可以作为原初非高斯性的一个探针。在这里，我们进行重建的$μ$失真各向异性的存在下，银河系和河外前景，应用所谓的约束ILC组件分离方法模拟拟议的CMB空间任务（PIXIE，LiteBIRD，CORE，PICO）。我们的天空模拟包括银河尘埃，银河同步加速器，银河自由，热Sunyaev-Zeldovich效应，以及初级CMB温度和$μ$ -畸变各向异性，后者被添加为相关场。约束ILC方法允许我们在重建的$μ$图中消除CMB温度各向异性（反之亦然），此外还可以减轻天体物理前景和仪器噪声的污染。在前景去除和分量分离之后，我们计算重构的（无CMB的）$μ$失真图和（无$μ$的）CMB温度图之间的互功率谱。由于互功率谱与原始非高斯参数$f_{\rm NL}$成比例，在尺度$k\simeq 740$ Mpc $^{-1}$上，这允许我们推导出$f_{\rm NL}$ -检测限，用于上述未来的CMB实验。我们的分析表明，前景降低了理论检测限（主要基于仪器噪声）超过一个数量级，PICO站在最好的机会，在规模依赖的非高斯上限。我们还讨论了信道灵敏度和所选频带的约束的依赖性。与$B$模式极化测量一样，频率$ν\lesssim 40\,{\rm GHz}$和$ν\gtrsim 400\,{\rm GHz}$的扩展覆盖范围比增加的通道灵敏度提供了更…
2018-04-20 astro-ph.CO astro-ph.IM
Reconstruction of the CMB lensing for Planck
我们准备现实生活中的宇宙微波背景（CMB）透镜提取与即将到来的普朗克卫星数据，通过研究两个系统的影响有关的前景污染：前景残差的影响后，组件分离的透镜CMB地图，并删除一个大的污染区域的天空。我们首先使用广义形态成分分析（GMCA）的方法来执行一个简化的框架内，允许高统计蒙特卡罗研究的组件分离。对于第二个系统，我们在温度图上应用一个逼真的遮罩，然后使用最近的修复技术在球体上恢复它们。我们调查的CMB透镜重建所得到的地图使用二次估计在平坦的天空极限和全球。我们发现，GMCA方法的前景残差不会显著改变透镜信号，即使在点源残差存在的情况下，也不会用修复方法校正掩模。
2009-11-12 astro-ph.CO
Foreground component separation with generalised ILC
“内部线性组合”（ILC）成分分离方法已被广泛用于从WMAP多频数据中提取单一成分CMB。我们概括的ILC方法分离其他毫米天体物理发射。我们特别构建了一个多维ILC滤波器，它可以用来，例如，估计一个复杂的组件的漫发射源自多个相关的排放，如银河系星际介质的总排放。这种广义的ILC方法的性能，实现了针帧上，普朗克任务观测的模拟，我们成功地重建了一个低噪声估计的排放量与消失的CMB和SZ污染的天体物理前景进行了测试。
2011-08-30 astro-ph.CO
How to make a clean separation between CMB E and B modes with proper foreground masking
本文研究了有遮蔽天空中CMB偏振的E/B分解。在实空间中，E和B模式分解的算子仅涉及CMB偏振的微分。因此，原则上，我们可以从不完整的天空数据中进行干净的E/B分解。由于对观测数据应用二阶导数是不切实际的，我们通常依靠球谐变换和逆变换，而不是使用实空间算子。在球谐表象中，除非球谐展开到无限高的多极子，否则切空中的跳跃间断会产生吉布斯现象。通过平滑前景掩模，我们可以以与在其他作品中讨论的前景掩模的切趾类似的方式有效地抑制吉布斯现象。然而，我们通过平滑前景掩模而招致前景污染，因为原始掩模中的零值像素可能通过平滑过程而呈现为非零。在这项工作中，我们研究了一个最佳的前景掩模，它确保适当的前景掩蔽和抑制吉布斯现象。我们将我们的方法应用到模拟地图的像素分辨率相媲美的普朗克卫星。模拟结果表明，泄漏功率低于张量标量比$r\sim 1\times10^{-7}$的无透镜CMB B模功率谱。我们将结果与原始掩模的结果进行了比较。我们发现，泄漏功率减少了$10^{6} \sim 10^{9}$的一个因素，在成本的天空分数$0.07$，并在最低的多极增强是最高的。我们确认原始掩码中的所有零值像素在我们的掩码中保持为零。将这种方法应用于普朗克数据，将提高原始张量扰动的可探测性。
2013-12-07 astro-ph.CO
Optimal and fast E/B separation with a dual messenger field
我们适应我们最近提出的双信使算法的自旋场重建和维纳滤波极化宇宙微波背景（CMB）的地图展示其效率和有效性。与传统的预处理共轭梯度（PCG）求解器不同，我们的预处理器免费技术可以处理高分辨率的联合温度和偏振映射与不均匀的噪声分布和任意掩模几何形状相对容易。各种收敛诊断说明了双信使重建的高质量。相比之下，PCG实现未能收敛到所考虑的特定问题的合理解决方案。双信使方法的实现是简单的，并保证数值稳定性和收敛性。我们展示了如何修改算法来生成波动图，结合维纳滤波器解决方案，产生无偏约束信号实现，与观测数据一致。该算法提供了一种途径，以精确的全球分析的高分辨率和高灵敏度的CMB数据的统计最佳分离的E和B模式。因此，它与当前和下一代CMB实验有关，以寻求难以捉摸的原始B模式信号。
2018-02-08 astro-ph.CO
Clustering of Local Extrema in Planck CMB maps
局部极值的聚集将被用来检验高斯性、不对称性和普朗克观测到的宇宙弦网络在宇宙微波背景带上的足迹。局部极值（峰的$n_{\rm pk}$和谷的$n_{\rm tr}$）和锐削（$n_{\rm pix}$）统计的数量密度支持所有组分分离的高斯假设。然而，阈值处的像素揭示了相对于端到端模拟的更一致的处理。在NILC和CR组分分离的阈值范围$θ\in [-2-0]$中，检测到与谷密度背景下的相关模拟的非常微小的偏差。未加权的两点相关函数，局部极值，说明了不同的成分分离和相应的高斯模拟几乎所有可用的阈值之间的良好的一致性。然而，对于高阈值，观察到一个小的赤字的峰值聚类相对于普朗克基准$Λ$ CDM模型。为了根据多普勒峰值周围的$Ψ$值（$θ\approx 70-75$ arcmin）对质量函数的幅度施加重要约束，我们应该考虑$\vartheta\lesssim 0.0$。对于大分离角和高阈值水平，高于阈值的峰的与尺度无关的偏置因子与纯高斯CMB的预期值一致。应用$n_{\rm pk}$、$n_{\rm tr}$、$Ψ_{\rm pk-pk}$和$Ψ_{\rm tr-tr}$测度在具有$7.5^2$ deg $^2$大小的斑块的镶嵌CMB地图上证明了普朗克地图中的统计各向同性。峰值聚类分析给出了SMICA中宇宙弦张力$Gμ^{(\rm up)} \lesssim 5.59\times 10^{-…
2021-04-22 astro-ph.CO astro-ph.HE astro-ph.IM
SILC: a new Planck Internal Linear Combination CMB temperature map using directional wavelets
我们提出了新的干净的地图的CMB温度各向异性（普朗克测量）构造一种新的内部线性组合（ILC）算法，使用方向，尺度离散小波-尺度离散，方向小波ILC或SILC。方向小波与球面上的信号进行卷积，可以分离出CMB和前景所特有的各向异性结构。扩展以前的分量分离方法，使用前景的频率，空间和谐波特征将它们从宇宙背景信号中分离出来，SILC还可以使用前景和CMB中的形态信息来更好地定位清洁算法。我们测试普朗克数据和模拟的方法，证明与现有的组件分离算法的一致性，并讨论如何优化形态信息的使用，通过改变方向小波的数量作为空间尺度的函数。我们发现，结合使用的方向和轴对称小波尺度依赖于可以产生更高质量的CMB温度图。我们的研究结果设置阶段的SILC偏振各向异性通过扩展到自旋小波的应用。
2016-06-23 astro-ph.CO
Single frequency CMB B-mode inference with realistic foregrounds from a single training image
在一个单一的训练图像和小波相位谐波增强，我们提出了极化宇宙微波背景（CMB）前景边缘化的高维似然自由（贝叶斯）框架。我们证明了强大的前景去除只使用一个单一的频率模拟数据的BICEP样的天空补丁。使用矩网络，我们估计潜在的{E，B}信号的像素级后验概率，并使用估计的边缘后验矩进行分位数类型测试来验证统计模型。矩网络使用U-Net卷积神经网络的层次结构。这项工作验证了这种方法在最困难的限制情况下：像素级，无噪声，高度非高斯灰尘前景与一个单一的训练图像在一个单一的频率。对于一个真正的宇宙微波背景实验，少量有代表性的天空斑块就可以提供完整宇宙学推论所需的训练数据。这些结果使强大的似然自由，基于模拟的参数和模型推断原始B模式检测使用所观察到的CMB偏振数据。
2021-11-01 astro-ph.CO astro-ph.IM
Multi-frequency point source detection with fully convolutional networks: Performance in realistic microwave sky simulations
点源探测是未来宇宙微波背景实验中的一个重要问题，因为它是影响小尺度微波背景信号恢复的主要因素之一。改进其多频检测将允许考虑在使用逐信道方法提取PS时被忽略的有价值的信息。我们开发了一种基于神经网络（NN）的方法来检测PS在多频现实模拟和比较其性能对最流行的方法之一，矩阵滤波器。使用的频率是143，217和353 GHz，我们施加了30度的银河切割。我们通过在PS图中添加污染信号来产生模拟，这些污染信号包括CMB、宇宙红外背景、银河系热辐射、热Sunyaev-Zel'dovich效应和仪器噪声。这些模拟用于训练两个NN，称为平面和光谱MultiPoSeIDoN。第一个考虑具有平坦光谱的PS，第二个更现实，因为它考虑了PS的光谱行为。使用60 mJy的检测限，Flat MultiPoSeIDoN在143，217和353 GHz的光谱情况下分别在58 mJy和79，71和60达到90%的完整性水平，而矩阵滤波器在84，79和123 mJy达到它。使用更安全的4σ检测限无助于改善这些结果。在所有情况下，MultiPoSeIDoN获得比过滤器少得多的虚假源。在100 mJy以上的情况下，神经网络以10%的相对误差恢复检测的通量密度，而在150 mJy以上的情况下，滤波器恢复检测的通量密度。基于这些结果，在未来的CMB实验中，神经网络是替代滤波器检测多频PS的理想候选者。此外，我们已经表明，多…
2021-12-16 astro-ph.CO astro-ph.IM
Large-Scale Polarized Foreground Component Separation for Planck
我们使用贝叶斯分量估计方法来研究大规模极化地图和宇宙学参数估计的前景与模拟普朗克数据假设简化的白噪声属性。天空信号被参数化为CMB、同步辐射和热尘埃辐射的总和。同步加速器和灰尘组件建模为幂律，与空间变化的光谱指数同步加速器和灰尘的统一指数。使用吉布斯抽样技术，我们估计的线性偏振Q和U后振幅的CMB，同步加速器和灰尘的地图，以及两个光谱指数在~4度像素。我们使用恢复的CMB地图及其协方差在一个精确的像素似然算法估计的光学深度再电离τ，张量标量比r，并构建EE和BB光谱的条件似然切片。给定我们的前景模型，对于tau=0.1，我们发现sigma（tau）~0.004，对于r=0.1的模型，sigma（r）~0.03，对于r=0.0，95%的上限r<0.02。
2011-03-13 astro-ph.CO
Recovering the CMB Signal with Machine Learning
宇宙微波背景（CMB）携带着极早期宇宙的非均匀信息，对理解宇宙的起源和演化具有重要意义。然而，观测CMB地图包含来自几个来源的严重前景污染，如银河系同步加速器和热尘埃排放。在这里，我们构建了一个深度卷积神经网络（CNN）来从各种巨大的前景污染中恢复微小的CMB信号。研究发现，CNN模型能够成功地恢复出具有高精度的CMB温度图，并且在$\ell>10$处恢复出的功率谱$C_\ell$的偏差小于宇宙方差。将该方法应用于当前的Planck观测，发现恢复的CMB与Planck合作组的结果非常一致，这表明CNN方法可以为CMB观测的分量分离提供一种很有前途的方法。此外，我们测试了CNN方法与模拟CMB偏振图的基础上CMB-S4实验。结果表明，该方法可以很好地恢复出EE和BB功率谱。因此，该方法将有助于当前和未来CMB实验中原初引力波的探测。由于CNN是为分析二维图像而设计的，因此该方法不仅可以处理全天空图，还可以处理部分天空图。因此，它也可以用于其他类似的实验，例如平方公里阵列等无线电测量。
2022-05-11 astro-ph.CO astro-ph.IM
Multi-Clustering Needlet-ILC for CMB B-modes component separation
针对 CMB B 模前景空间频谱变化导致 NILC 减除受限的问题，提出按双频 B 模图比值聚类并分区最小化方差的 MC-NILC，在 LiteBIRD 模拟中显著降低残余污染。
2024-01-25 astro-ph.CO
