Aprendizaje profundo del medio intergaláctico utilizando el bosque de Lyman-alfa a 4 z 5

Revelar la historia térmica del medio intergaláctico (IGM) a 4 z 5 tiene el potencial de revelar el inicio temprano de la reionización de HeII o fluctuaciones térmicas persistentes de la reionización de HI. Nuestro objetivo es reconstruir las propiedades del gas del IGM a lo largo de datos simulados del bosque de Lyman-alfa de manera pixel por pixel, empleando redes neuronales bayesianas profundas. Nuestro enfoque aprovecha el conjunto de simulaciones Sherwood-Relics, que consiste en diversas historias térmicas, para generar espectros simulados. Nuestras redes convolucionales y residuales con métrica de verosimilitud predicen la densidad o temperatura ponderada por la profundidad óptica de Ly para cada pixel en el esqueleto del bosque de Ly. Encontramos que nuestra red puede reproducir con éxito las condiciones del IGM con alta fidelidad a través de un rango de señal a ruido instrumental. Estas predicciones se traducen posteriormente en el plano de temperatura-densidad, facilitando la derivación de restricciones fiables sobre parámetros térmicos. Esto nos permite estimar la temperatura en la densidad cósmica media, T ₀ con una confianza de uno sigma T ₀ 1000 K utilizando solo una línea de visión de 20 Mpc/h (z 0. 04) con una historia típica de reionización. Los estudios existentes utilizan longitudes de camino de desplazamiento al rojo comparables a z 4 para restricciones similares. También podemos proporcionar restricciones más estrictas sobre la pendiente (intervalo de confianza 1 0. 1) de la relación temperatura-densidad del IGM en comparación con otros enfoques tradicionales. Probamos la reconstrucción en un único espectro observado de alta señal a ruido (segmento de 20 Mpc/h) y recuperamos parámetros térmicos consistentes con las mediciones actuales. Este enfoque de aprendizaje automático tiene el potencial de proporcionar mediciones precisas pero robustas de la historia térmica del IGM en los desplazamientos al rojo en cuestión.