速度分解リバーブマッピングデータからの伝達関数の復元のための畳み込みニューラルネットワーク

本論文は、活動銀河核における速度遅延マップの構築のために、ノイズが多くギャップのあるリバーブマッピングデータをデコンボリューションするための畳み込みニューラルネットワーク（CNN）の新しい応用を紹介しています。これは、天文学データの分析を改善するための新しい計算アプローチを提供し、超巨大ブラックホールの周囲の環境をより良く理解することにつながる可能性があるため、重要です。この種のデコンボリューション問題にCNNを使用することは、有望な発展です。

• •速度分解リバーブマッピングデータをデコンボリューションするためにCNNを適用。
• •活動銀河核における速度遅延マップの構築を改善することを目的とする。
• •ノイズが多くギャップのあるデータのための新しいデコンボリューション方法を提供する。
• •他のリバーブデコンボリューション問題にも適用可能。