深層学習を用いた原始CMB Bモード信号の再構成

本論文は、宇宙マイクロ波背景放射（CMB）からの微弱な原始Bモード偏光信号を再構成するために、スコアベースの拡散モデル（生成AIの一種）の新しい応用を紹介しています。これは、インフレーション重力波の証拠を提供できるため、宇宙論における重要な問題です。この論文のアプローチは、シミュレーションデータで訓練された物理学に基づいた事前知識を使用し、観測されたCMBデータをノイズと前景から分離し、効果的にノイズ除去とデレンシングを行います。生成モデルの使用により、信号の新しい、一貫した実現を生成することができ、分析と理解に役立ちます。この方法は、将来のCMBミッションを代表するシミュレーションデータでテストされており、堅牢な信号回復の可能性を示しています。

• •スコアベースの拡散モデル（生成AI）をCMB Bモード信号の再構成に適用。
• •観測データからノイズを除去し、デレンシングするために、物理学に基づいた事前知識を使用。
• •将来のCMBミッションにおける堅牢な信号回復の可能性を示す。
• •原始信号の新しい、一貫した実現を生成。