TL;DR
- چکیده: بازسازی تصاویر آسمان رادیویی از اطلاعات ناقص فوریه یک چالش کلیدی در نجوم رادیویی است.
- در این کار،.
- ما روشی را برای بازسازی تصویر تداخل سنجی رادیویی با استفاده از دادههای پیشین برای آسمان رادیویی بر.
چه اتفاقی افتاد
چکیده: بازسازی تصاویر آسمان رادیویی از اطلاعات ناقص فوریه یک چالش کلیدی در نجوم رادیویی است. در این کار،.
ما روشی را برای بازسازی تصویر تداخل سنجی رادیویی با استفاده از دادههای پیشین برای آسمان رادیویی بر. اساس مدلهای احتمالی انتشار نویز (DDPM) ارائه میکنیم.
ما یک DDPM را بر روی مشاهدات کهکشانهای رادیویی از بررسی VLA FIRST آموزش میدهیم،. سپس مشاهدات شبیهسازی شده VLA،.
EHT و ALMA کهکشانهای رادیویی را ایجاد میکنیم. ما از یک روش نمونه برداری بدون نظارت به نام مدلهای بازیابی انتشار دی نویز (DDRM) برای.
بازسازی تصاویر مربوطه با استفاده از DDPM خود بهعنوان قبلی استفاده میکنیم. رویکرد ما نسبت به دادههای تداخل سنجی رادیویی اندازهگیریشده آگنوستیک است و طبیعتاً فیزیک فرآیند اندازهگیری را در.
بر میگیرد. ما قادریم تصاویر را با وفاداری بسیار بالا بازسازی کنیم و پیشرفت قابل توجهی نسبت به تصویر نشان.
دهیم تکنیکهای بازسازی که روی دیدهای شبکهای مانند CLEAN کار میکنند. صفحه، 11 شکل ابزار و روشها برای اخترفیزیک (astro-ph.
IM); کیهان شناسی و اخترفیزیک غیر کهکشانی (astro-ph. CO) استناد بهعنوان: (یا v2 [astro-ph.
IM] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite تاریخچه ارسال از:.
Emma Tolley [مشاهده ایمیل] [v1] پنجشنبه،. 22 ژانویه 2026،.
10:. 51:.
33 UTC (1,. 034 KB) [v2] جمعه،.
3 آوریل 2026،. 15:.
26:. 14 UTC (4,.
105 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.