ترجمه فارسی مقاله محدودیت‌های بالای LOFAR در طیف قدرت سیگنال 21 سانتی‌متری در $mathbf{zapprox9.1}$ با استفاده از یادگیری ماشین و رگرسیون فرآیند گاوسی اصلاح شده

چکیده

The use of Gaussian Process Regression (GPR) for foregrounds mitigation in data collected by the LOw-Frequency ARray (LOFAR) to measure the high-redshift 21-cm signal power spectrum has been shown to have issues of signal loss when the 21-cm signal covariance is misestimated. To address this problem, we have recently introduced covariance kernels obtained by using a Machine Learning based Variational Auto-Encoder (VAE) algorithm in combination with simulations of the 21-cm signal. In this work, we apply this framework to 141 hours ($\approx 10$ nights) of LOFAR data at $z \approx 9.1$, and report revised upper limits of the 21-cm signal power spectrum. Overall, we agree with past results reporting a 2-$σ$ upper limit of $Δ^2_{21} < (80)^2~\rm mK^2$ at $k = 0.075~h~\rm Mpc^{-1}$. Further, the VAE-based kernel has a smaller correlation with the systematic excess noise, and the overall GPR-based approach is shown to be a good model for the data. Assuming an accurate bias correction for the excess noise, we report a 2-$σ$ upper limit of $Δ^2_{21} < (25)^2~\rm mK^2$ at $k = 0.075~h~\rm Mpc^{-1}$. However, we still caution to take the more conservative approach to jointly report the upper limits of the excess noise and the 21-cm signal components.

چکیده به فارسی (ترجمه ماشینی)

استفاده از رگرسیون فرآیند گاوسی (GPR) برای کاهش پیش زمینه ها در داده های جمع آوری شده توسط آرایه با فرکانس پایین (LOFAR) برای اندازه گیری طیف قدرت سیگنال با تغییر سرعت بالا 21 سانتی متر نشان داده شده است که در هنگام 21 سانتی متر دارای مشکلات از دست دادن سیگنال استکواریانس سیگنال نادرست است.برای رفع این مشکل ، ما اخیراً هسته های کواریانس به دست آمده با استفاده از یک الگوریتم تحت الگوریتم Auto-Auto-Auto-Auto-Incoder (VAE) مبتنی بر یادگیری ماشین را در ترکیب با شبیه سازی سیگنال 21 سانتی متر معرفی کرده ایم.در این کار ، ما این چارچوب را به 141 ساعت ($ \ تقریباً 10 $ شب) داده های Lofar در $ z \ تقریبا 9.1 $ اعمال می کنیم و گزارش های اصلاح شده در بالا از طیف قدرت سیگنال 21 سانتی متر را گزارش می کنیم.به طور کلی ، ما با نتایج گذشته موافقیم که یک حد بالایی 2- $ σ $ $ δ^2_ {21} <(80)^2 ~ \ rm mk^2 $ at $ k = 0.075 ~ h ~ \ rm mpc^{-1} $.علاوه بر این ، هسته مبتنی بر VAE با سر و صدای اضافی سیستماتیک ارتباط کمتری دارد و روش کلی مبتنی بر GPR الگوی خوبی برای داده ها است.با فرض تصحیح تعصب دقیق برای سر و صدای اضافی ، ما یک حد بالایی 2- $ σ $ $ δ^2_ {21} <(25)^2 ~ \ rm mk^2 $ در $ k = 0.075 ~ H ~ \ گزارش می کنیم.rm mpc^{-1} $.با این حال ، ما هنوز هم احتیاط می کنیم که رویکرد محافظه کارانه تری را برای گزارش مشترک در حد بالایی از سر و صدای اضافی و اجزای سیگنال 21 سانتی متر انجام دهیم. [sc name="papertranslation"][/sc]