天体物理学 > 宇宙学与非星系天体物理学
[提交于 2020年11月30日
]
标题: 使用人工神经网络从EDGES数据中提取21厘米全局信号
标题: Using Artificial Neural Networks to extract the 21-cm Global Signal from the EDGES data
摘要: 中性氢的红移21厘米信号是我们宇宙从形成第一颗恒星(宇宙黎明)到整个宇宙从完全中性转变为完全电离(再电离)时期的演化过程的一个有前景的探测工具。这一中性氢谱线最显著的特征在于它可以在整个频率范围内作为一个天空平均的连续信号被观测到,或者可以通过干涉仪测量其波动。 然而,21厘米信号非常微弱,并且被更亮的银河和星系际前景所主导,这使得观测成为一个挑战。我们使用了不同的物理模型来模拟21厘米全天空信号的各种实现,包括添加一个过量射电背景以匹配EDGES 21厘米信号的幅度。首先,我们使用人工神经网络(ANN)从这些模拟数据集中提取天体物理参数。然后,通过添加一个基于物理的前景模型生成模拟观测,同样使用人工神经网络从这些数据中提取天体物理参数。我们的预测从模拟观测得到的 $R^2$ 得分在0.65至0.89之间。我们使用这个ANN来预测EDGES数据作为输入时的信号参数。我们发现重建的信号紧密地模仿了报告检测的幅度。恢复的参数可以用来推断高红移下气体的物理状态。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.