KI und die schwierigen Probleme der Welt · Astronomie & Weltraum · arXiv · 2026-10-26
Physikinformierte neuronale Netze vs. U-Net: Anwendung auf die Rekonstruktion thermischer Staubemission im Mikrowellenbereich
Originaltitel: Physics-Informed Neural Networks vs U-Net: Application to thermal dust emission recovery in the microwave
Die Trennung der thermischen Staubemission der Milchstraße ist für CMB-Experimente oberhalb von 100 GHz unerlässlich. Die Autoren bauen ein physikinformiertes neuronales Netz (PINN), das das modifizierte Schwarzkörper-Spektralmodell als harte, differenzierbare Nebenbedingung einbettet, und vergleichen es mit einem U-Net, das in derselben Pipeline auf simulierten Planck-HFI-Ausschnitten trainiert wurde. Beide Netze erreichen eine vergleichbare Rekonstruktionsqualität mit SSIM-Werten durchgehend über 0,96, und das PINN garantiert physikalisch zulässige Ausgaben, ohne die Genauigkeit zu verringern.