Como Fazer Mapas a partir de Dados do Fundo Cósmico de Micro-ondas sem Perder Informações

A próxima geração de experimentos de CMB pode medir parâmetros cosmológicos com uma precisão sem precedentes - em princípio. Para alcançar isso na prática, ao enfrentar conjuntos de dados tão gigantescos, métodos elaborados de análise de dados são necessários para torná-los viáveis computacionalmente. Um passo importante no pipeline de dados é fazer um mapa, que normalmente reduz o tamanho do conjunto de dados em ordens de magnitude. Comparamos dez métodos de produção de mapas e descobrimos que, para o caso gaussiano, tanto o método usado pela equipe COBE DMR quanto várias variantes de filtragem de Wiener são otimizados, no sentido de que o mapa retém toda a informação cosmológica que estava presente nos dados ordenados no tempo (TOD). Especificamente, obtém-se barras de erro igualmente pequenas nos parâmetros cosmológicos ao estimá-los a partir do mapa, assim como se poderia tê-los estimado diretamente a partir do TOD. O método de simplesmente calcular a média das observações de cada pixel (para detectores de potência total), ao contrário, geralmente destrói informações, assim como o método de máxima entropia e a maioria das outras técnicas de produção de mapas não lineares. Como é também numericamente viável, o método COBE é a escolha natural para grandes conjuntos de dados. Outros mapas sem perda (por exemplo, filtrados por Wiener) podem então ser computados diretamente a partir do mapa do método COBE.