[논문 리뷰] The Effect of Foreground Mitigation Strategy on EoR Window Recovery

Emma Chapman, Saleem Zaroubi외 4명|arXiv (Cornell University)|2014. 08. 20.

Radio Astronomy Observations and Technology참고 문헌 2인용 수 4

한 줄 요약

이 논문은 간섭계 라디오 설문에서 재이온화 시기(Epoch of Reionization, EoR) 21cm 신호를 복원하기 위한 배경광원 회피 전략과 배경광원 제거 전략을 비교한다. LOFAR 및 SKA 유사한 노이즈 수준을 가진 시뮬레이션을 사용하여, 고-k_perp 모드에서는 배경광원 회피가 신호를 유지하지만, 저-k_los에서는 특히 낮은 노이즈 조건에서 배경광원 제거가 훨씬 더 많은 신호를 복원하며, 중간 정도의 배경광원 변동에 대해서도 강인함을 발견한다.

ABSTRACT

The removal of the Galactic and extragalactic foregrounds remains a major challenge for those wishing to make a detection of the Epoch of Reionization 21-cm signal. Multiple methods of modelling these foregrounds with varying levels of assumption have been trialled and shown promising recoveries on simulated data. Recently however there has been increased discussion of using the expected shape of the foregrounds in Fourier space to define an EoR window free of foreground contamination. By carrying out analysis within this window only, one can avoid the foregrounds and any statistical bias they might introduce by instead removing these foregrounds. In this paper we discuss the advantages and disadvantages of both foreground removal and foreground avoidance. We create a series of simulations with noise levels in line with both current and future experiments and compare the recovered statistical cosmological signal from foreground avoidance and a simplified, frequency independent foreground removal model. We find that while, for current generation experiments, foreground avoidance enables a better recovery at $k_{perp} > 0.6 \mathrm{Mpc}^{-1}$, foreground removal is able to recover significantly more signal at small $k_{los}$ for both current and future experiments. We also relax the assumption that the foregrounds are smooth by introducing a Gaussian random factor along the line-of-sight and then also spatially. We find that both methods perform well for foreground models with line-of-sight and spatial variations around $0.1\%$ however at levels larger than this foregrounds removal shows a greater signal recovery.

연구 동기 및 목표

• 재이온화 시기 동안 21cm 신호를 탐지하기 위한 k-공간 내 EoR 창을 이용한 배경광원 회피와 블라인드 소스 분리 방법을 통한 배경광원 제거 간의 상호 상충 관계를 평가하기 위해.
• 노이즈 수준(LOFAR 유사, SKA 유사, 노이즈 없음)이 두 방법의 은하계력 스펙트럼 복원 성능에 미치는 영향을 평가하기 위해.
• 실제와 유사한 배경광원 변동—선형 방향(LOS) 및 공간적 변동—이 각 방법의 강인성에 미치는 영향을 조사하기 위해.
• 향후 고감도 실험(예: SKA)의 맥락에서, 특히 k-공간 스케일에 따라 배경광원 회피 또는 제거 전략 중 어느 것이 더 나은 신호 대 노이즈 복원 성능을 보일지 결정하기 위해.
• 부드러운 배경광원 모델에서의 이탈, 즉 선형 방향 및 공간적 차원에서 0.1% 및 1%의 무작위 변동에 대해 두 방법의 민감도를 검토하기 위해.

제안 방법

• 현행(LOFAR) 및 향후(SKAS) 실험의 노이즈 수준을 반영한 실질적인 장비 및 하늘 시스템 정합성과 함께 LOFAR 유사 간섭계 어레이의 가시성 데이터를 시뮬레이션한다.
• 배경광원과 은하계력 신호를 분리하기 위해 그룹 매칭 컴포넌트 분석(GMCA) 알고리즘을 사용한 단순화된 주파수 독립적 배경광원 제거 모델을 적용한다.
• 장비 대역폭, 기준선 분포 및 주파수 해상도를 바탕으로 2차원 실린더형 k-공간(k_perp, k_los) 내에 EoR 창을 정의하며, 배경광원이 지배하는 영역은 제외한다.
• EoR 창 내에서 복원된 신호의 실린더형 전력 스펙트럼을 계산하고, 배경광원 제거 후 전체 하늘 전력 스펙트럼과 비교한다.
• 비교적 제어된 가우시안 무작위 변동(0.1% 및 1%)을 선형 방향 및 공간적 차원에 도입하여 비부드러운 배경광원에 대한 강인성 테스트를 수행한다.
• 특히 k_perp > 0.6 Mpc⁻¹ 및 저-k_los 영역에 중점을 두고, k-공간 전반에 걸쳐 신호 대 노이즈 비율(S/N) 및 전력 스펙트럼 복원 성능을 평가한다.

실험 결과

연구 질문

• RQ1 현재 세대 실험(LOFAR 유사 노이즈)에서 고-k_perp (>0.6 Mpc⁻¹) 영역에서 배경광원 회피와 배경광원 제거 전략 간의 신호 복원 성능은 어떻게 비교되는가?
• RQ2 저-k_los 영역에서 배경광원 제거 전략이 배경광원 회피 전략보다 얼마나 더 많은 은하계력 신호를 복원하는가? 특히 낮은 노이즈 조건에서의 성능을 중심으로 한다.
• RQ3 선형 방향 및 공간적 변동(최대 1%)이 배경광원 회피 및 제거 전략의 성능에 미치는 영향는 어떠한가?
• RQ4 선형 방향에 1%의 변동이 있는 비부드러운 구조를 가진 배경광원이 존재할 경우, EoR 창 전략은 여전히 타당한가?
• RQ5 노이즈가 증가하거나 배경광원 복잡성이 증가할 경우, GMCA 기반의 배경광원 제거 성능은 어떻게 저하되는가? 또한 SKA 유사 노이즈 수준에서 과적합이 발생하는가?

주요 결과

• 현재 세대 실험(LOFAR 유사 노이즈)에서는 고-k_perp 모드에서 피팅 오차가 줄어들기 때문에, 배경광원 제거보다 배경광원 회피가 더 많은 신호를 복원한다.
• 저-k_los 영역에서 현재 및 향후 실험 모두에서 배경광원 제거 전략이 훨씬 더 많은 은하계력 신호를 복원하며, 특히 노이즈가 낮은 조건에서 피팅 정확도가 향상되어 성능이 뛰어나다.
• 0.1% 선형 방향 및 공간적 변동에서는 두 방법 모두 뛰어난 성능을 보이며, 신호 복원에 심각한 열화가 없어, 소규모 스케일의 배경광원 변동에 강인함을 시사한다.
• 1% 선형 방향 단독 변동에서는 EoR 창이 가림을 받아 배경광원 회피 전략이 기능을 잃지만, GMCA 기반 제거 전략은 여전히 합리적으로 은하계력 신호를 복원한다.
• 1% 공간 및 선형 방향 변동이 동시에 존재할 경우, GMCA의 성능은 저하되지만 여전히 배경광원 회피 전략보다 뛰어나다. 이는 선형 방향 단독 변동보다 복합 변동에서 성능이 더 좋게 나타나는 것으로, 선형 방향 효과의 우연적 상쇄 때문일 것이다.
• 노이즈가 없는 조건에서는 GMCA가 배경광원 회피 전략과 동일한 k_perp 스케일 범위를 복원한다. 이는 이상적인 조건에서 두 전략이 고-k_perp 복원 성능에서 유사한 성능을 낼 수 있음을 시사한다.