神經網路於宇宙微波背景偏振前景移除之穩健性

原標題: Robustness of Neural Networks for CMB Polarization Foreground Removal

要在宇宙微波背景中偵測原初 B 模偏振，必須精確移除銀河系前景。作者以不同前景模型建構的模擬資料訓練卷積神經網路，並在訓練時未使用的模型上進行測試。以較複雜的前景模型訓練可降低偏差，並提升對未見過模型的精確度；而以最簡單的模型訓練則可能造成系統誤差。