基于深度学习的原始CMB B模信号重建

本文介绍了一种基于分数扩散模型（一种生成式AI）的新方法，用于重建来自宇宙微波背景（CMB）的微弱的原始B模偏振信号。 这是一个宇宙学中的重要问题，因为它可以为暴胀引力波提供证据。 本文的方法使用基于物理学的先验知识，该先验知识在模拟数据上进行训练，以对观测到的CMB数据进行去噪和去透镜化，有效地将原始信号与噪声和前景分离。 生成模型的使用允许创建新的、一致的信号实现，这对于分析和理解很有价值。 该方法在代表未来CMB任务的模拟数据上进行了测试，证明了其在稳健的信号恢复方面的潜力。

• •将基于分数的扩散模型（生成式AI）应用于CMB B模信号重建。
• •使用基于物理学的先验知识来对观测数据进行去噪和去透镜化。
• •展示了在未来的CMB任务中实现稳健信号恢复的潜力。
• •生成原始信号的新的、一致的实现。