AI 與世界的難題 · 天文與太空 · arXiv · 2026-10-26
物理資訊神經網路與 U-Net 之比較：應用於微波波段熱塵埃輻射的還原
原標題: Physics-Informed Neural Networks vs U-Net: Application to thermal dust emission recovery in the microwave
分離銀河系熱塵埃輻射對於 100 GHz 以上的宇宙微波背景（CMB）實驗至關重要。作者建構了一個物理資訊神經網路（PINN），將修正黑體光譜模型作為硬性且可微分的約束嵌入其中，並與在相同流程下訓練的 U-Net 進行比較，兩者皆使用模擬的 Planck HFI 影像區塊。兩種網路的重建品質相當，SSIM 始終高於 0.96，而 PINN 在不降低準確度的情況下，保證輸出符合物理上的可容許性。