Foreground removal in HI 21 cm intensity mapping under frequency-dependent beam distortions

Resumen Técnico: Eliminación de primer plano en el mapeo de intensidad de HI a 21 cm bajo distorsiones de haz dependientes de la frecuencia

Planteamiento del problema
El mapeo de intensidad de hidrógeno neutro (HI) es una sonda primordial para la cosmología en la época de la post-reionización, ofreciendo una visión tomográfica del Universo. Sin embargo, la extracción de la tenue señal de HI se ve severamente desafiada por los primeros planos astrofísicos (sincrotrón, free-free y fuentes puntuales) que son hasta cinco órdenes de magnitud más brillantes. Aunque los métodos de Separación de Fuentes Ciega (BSS) y de ajuste de modelos han mostrado resultados prometedores, típicamente asumen un haz simplificado e independiente de la frecuencia o una resolución degradada uniforme. Los instrumentos realistas, como MeerKAT, exhiben distorsiones de haz dependientes de la frecuencia, incluyendo variaciones no suaves (oscilatorias) en la anchura completa a la mitad del máximo (FWHM). Estos efectos instrumentales se acoplan con los primeros planos para crear características espectrales artificiales que imitan la señal cosmológica, degradando el rendimiento de las técnicas de separación estándar.

Metodología
Los autores evalúan el rendimiento de diversas técnicas de eliminación de primer plano utilizando datos simulados de mapeo de intensidad de HI que cubren el rango de 900–1400 MHz, relevante para MeerKAT y SKA-Mid. Las simulaciones incluyen señales de HI cosmológicas realistas (basadas en CRIME), primeros planos galácticos (usando modelos PySM3 para sincrotrón y free-free), todos ellos convolucionados con haces de telescopio y contaminados con ruido térmico.

Se probaron tres modelos de haz para aumentar progresivamente el realismo:

1. Gaussiano Degradado: Una resolución uniforme lograda mediante el suavizado de todos los canales a la peor resolución posible.
2. Gaussiano Evolutivo: Un haz donde la FWHM varía naturalmente con la frecuencia.
3. Gaussiano Oscilatorio: Un modelo realista que incorpora un término oscilatorio en la evolución de la FWHM, imitando el comportamiento observado del haz de MeerKAT.

El estudio compara dos categorías de métodos:

• Ajuste de modelos: Ajuste polinómico (de 6º orden) y ajuste paramétrico (modelando free-free y sincrotrón con índices espectrales fijos o libres).
• Separación de Fuentes Ciega (BSS): Análisis de Componentes Principales (PCA), Análisis de Componentes Independientes Rápido (FastICA), Análisis de Componentes Morfológicos Generalizado (GMCA) y el propuesto SDecGMCA.

Enfoque SDecGMCA
El artículo introduce la aplicación de SDecGMCA (SDecGMCA Esférico) al mapeo de intensidad de HI. A diferencia de la BSS estándar que asume una mezcla lineal $X = AS$, SDecGMCA aborda el haz dependiente de la frecuencia resolviendo un problema conjunto de deconvolución y separación de fuentes en el dominio de los armónicos esféricos. El modelo se formula como $\hat{X}_{\ell m}^\nu = \hat{H}_\ell^\nu A_\nu \hat{S}_{\ell m} + \hat{N}_{\ell m}^\nu$, donde $\hat{H}_\ell^\nu$ es la función de transferencia del haz. El algoritmo estima iterativamente los mapas de fuentes y la matriz de mezcla, imponiendo simultáneamente la dispersión (sparsity) en el dominio de wavelets (starlet) y la fidelidad de los datos en el espacio armónico.

Resultados Clave

• Haz Uniforme: Bajo el modelo "Gaussiano degradado", todos los métodos (ajuste y BSS) funcionan bien, recuperando los espectros de potencia angular y de frecuencia con una precisión superior al 10% en la mayoría de las escalas.
• Haz Evolutivo: El rendimiento diverge. El ajuste paramétrico falla por completo. GMCA se degrada en escalas intermedias debido a la ruptura de la coherencia espacial. PCA, FastICA y SDecGMCA mantienen la precisión, aunque los métodos BSS tienen dificultades para separar totalmente las distorsiones dependientes de la escala en grandes escalas de frecuencia ($k_\nu < 0.1$).
• Haz Oscilatorio: Este es el escenario más desafiante. Tanto el ajuste polinómico como el paramétrico fallan catastróficamente, produciendo espectros de potencia altamente sesgados. Entre los métodos BSS, SDecGMCA es la única técnica capaz de recuperar la señal de HI con una precisión $\lesssim 5\%$ en escalas angulares intermedias ($10 < \ell < 200$). Crucialmente, SDecGMCA suprime un pico espectral espurio en $k_\nu \sim 0.3$ (atribuido al acoplamiento haz-primer plano) que persiste en PCA, FastICA y GMCA.
• Limitaciones: Todos los métodos, incluido SDecGMCA, exhiben inestabilidad y picos espurios en multipolos altos ($\ell > 200$) debido a la inestabilidad intrínseca de la inversión del haz. Además, se observa un exceso de gran escala ($\ell < 10$) en el caso del haz oscilatorio, probablemente derivado de artefactos de preprocesamiento relacionados con el enmasquamiento de fuentes de HI brillantes.
• Estrategias de Enmascaramiento: El estudio demuestra que el enmascaramiento de regiones galácticas brillantes (ya sea mediante post-procesamiento o simulando un atenuación del plano galáctico) mejora significamente la fidelidad de la reconstrucción. SDecGMCA se beneficia más de esta estrategia, mostrando una mejor recuperación en multipolos bajos y una mayor supresión del pico espurio.
• Hiperparámetros: El número de fuentes ($n_s$) se identifica como un hiperparámetro crítico. Se encuentra un rango óptimo de $n_s \approx 5-7$ para equilibrar el subajuste y el sobreajuste en el caso del haz oscilatorio.

Significación y Reivindicaciones
El artículo establece que los métodos de ajuste simples y las técnicas BSS estándar son insuficientes cuando se consideran las distorsiones de haz realistas y dependientes de la frecuencia. Posiciona a SDecGMCA como un enfoque particularmente prometedor para futuros sondeos de mapeo de intensidad de un solo plato porque tiene en cuenta explícitamente la respuesta del instrumento durante el proceso de separación.

Los autores afirman que SDecGMCA proporciona reconstrucciones robustas en armónicos esféricos del espectro de potencia de HI incluso bajo condiciones de haz complejas y sin pre-enmascaramiento. Sin embargo, se muestran modestos respecto a sus limitaciones actuales: el método aún requiere un ajuste cuidadoso de los hiperparámetros (específicamente $n_s$ y la regularización), y la inestabilidad intrínseca de la inversión del haz limita la reconstrucción fiable a $\ell \lesssim 200$. El artículo concluye que, si bien SDecGMCA es un paso significativo hacia adelante, el trabajo futuro debe centrarse en integrar estrategias de enmascaramiento directamente en el marco de trabajo, desarrollar diagnósticos basados en datos para la selección de hiperparámetros y refinar los esquemas de umbralización para mejorar aún más el rendimiento.