Mapping the CMB with QUBIC spectral imaging

Titel: Het in kaart brengen van de CMB met QUBIC spectrale beeldvorming

Auteurs: A. Huchet, T. Laclavère, L. Kardum en de QUBIC-collaboratie.
Instelling: Laboratoire Astroparticule et Cosmologie, Parijs, Frankrijk.

---

1. Het Probleem en de Context

Het huidige standaardmodel van de kosmologie ($\Lambda$CDM) beschrijft niet de oorspronkelijke omstandigheden van het heelal. Een veelbelovende theorie is inflatie, een periode van snelle uitbreiding die kwantumvariaties naar kosmische schalen heeft uitgerekt. Voor bepaalde inflatiemodellen zou dit leiden tot de creatie van primordiale B-modes in de polarisatie van de Kosmische Microgolfachtergrondstraling (CMB).

De uitdagingen om deze B-modes te detecteren zijn:

• Extreem lage signaalsterkte: De QUBIC-telescoop (Q & U Bolometric Interferometer for Cosmologie) moet een gevoeligheid bereiken die alleen haalbaar is door drie jaar lang een klein stukje van de zuidelijke hemel (1,5%) te observeren.
• Voorgrondvervuiling: De melkweg (stof en synchrotronstraling) en de atmosfeer vormen complexe voorgronden die verwijderd moeten worden om een zuivere CMB-kaart te verkrijgen.
• Spectrale complexiteit: Voorgronden hebben complexe spectrale energie-distributies. Traditionele methoden vereisen veel frequentiebanden om deze goed te scheiden, wat technisch complex en kostbaar is.

2. Methodologie: QUBIC en Spectrale Beeldvorming

QUBIC is een bolometrische interferometer die uniek is door zijn vermogen tot spectrale beeldvorming. In plaats van een traditionele camera, gebruikt QUBIC een array van 64 feedhorns die achter elkaar zijn geplaatst, gekoppeld aan 248 Transition Edge Sensor (TES) detectoren.

• Interferentiepatroon: De bundel (Point Spread Function) van QUBIC is een interferentiepatroon met meerdere lobben. De "orde 0" lob is de hoofdlob, terwijl hogere orde lobben (bijv. orde 1) op een afstand verschijnen die omgekeerd evenredig is met de frequentie van het invallende licht.
• Spectrale Resolutie: Omdat de positie van de lobben afhangt van de frequentie, kan QUBIC ruimtelijke en spectrale informatie tegelijkertijd verkrijgen. Dit stelt het in staat een spectrum van elke pixel te reconstrueren zonder dat er veel verschillende frequentiebanden of brandvlakken nodig zijn.
• Locatie: De technische demonstrator (TD) staat op de Puna de Atacama in Argentinië (4869 m hoogte) om atmosferische effecten te minimaliseren, hoewel deze nog steeds een belangrijke rol spelen.

3. Belangrijkste Bijdragen: Drie Map-Making Methoden

De auteurs hebben drie geavanceerde methoden ontwikkeld om de tijd-geordende data (TOD) om te zetten in kaarten, waarbij de spectrale beeldvorming optimaal wordt benut:

1. Frequentie Map Making (FMM):

   • Deel de observatieband op in $N_{sub}$ sub-banden.
   • Los de vergelijking $\vec{d} = \sum H_{\nu_i} \cdot \vec{s}_{\nu_i} + \vec{n}$ op met een Preconditioned Conjugate Gradient (PCG) methode.
   • Voordeel: Het genereert meerdere frequentiekaarten uit één enkele dataset, wat de frequentieresolutie voor componentenscheiding aanzienlijk verhoogt.

2. Component Map Making (CMM):

   • Voer de componentenscheiding direct op het niveau van de TOD uit, zonder tussenstap van frequentiekaarten.
   • De hemel wordt gemodelleerd als een mengsel van componenten ($\vec{c}$) via een mengmatrix ($A_{\nu_i}$): $\vec{d} = \sum H_{\nu_i} A_{\nu_i} \vec{c} + \vec{n}$.
   • Voordeel: De scheiding van CMB, stof en synchrotronstraling gebeurt tijdens het reconstructieproces zelf.
   • Uitdaging: Nabij de randen van het observatiegebied kunnen zijlobben in onbeobachte gebieden vallen, wat degeneratie veroorzaakt. Dit wordt opgelost door Planck-data buiten het gebied toe te voegen.

3. Neural Network Map Making:

   • Een fysiek geleide, modulaire neurale netwerkbenadering die de inverse van het instrumentmodel ($H^{-1}$) benadert.
   • Het netwerk invertseert afzonderlijke componenten (wijzen, filters, etc.) met sub-netwerken.
   • Voordeel: Het is rekenefficiënter dan PCG, beter in het hanteren van complexe wijzingsmatrices, en vereist geen volledige herberekening als een instrumentcomponent verandert. Deze methode presteerde beter dan FMM en CMM.

4. Resultaten: Waarnemingen van de Maan

QUBIC is begin maart hervat met de observatie en heeft recent de Maan waargenomen als proef van concept voor spectrale beeldvorming.

• Observatie: De Maan werd gescand op een constante elevatie (50°) over een azimutbereik van 50°. De observatie duurde ongeveer 2 uur, waarbij de Maan alle orde-0 lobben en de meeste orde-1 lobben van de TES-detectoren doorkruiste.
• Data-analyse:
  • De ruwe data (TOD) toont grote oscillaties veroorzaakt door het aardmagnetisch veld dat de SQUIDs beïnvloedt (bevestigd door vergelijking met afgesloten venster-metingen).
  • De kleine pieken in de data corresponderen met de Maan.
  • Door coördinatencorrecties toe te passen (rekening houdend met de beweging van de Maan en de definitie van de hoekafstand), kon een scherp beeld van de Maan worden gereconstrueerd zonder complexe deconvolutie van de bundel.
• Kalibratie: Deze data dient als eerste kalibratie voor de lijnen van zicht en de versterking (gains) van alle TES-detectoren.

5. Betekenis en Toekomstperspectief

• Significantie: Dit paper demonstreert dat QUBIC succesvol spectrale beeldvorming kan uitvoeren. Dit is een doorslaggevend voordeel ten opzichte van directe beeldvormers, omdat het complexe voorgronden (zoals galactisch stof) effectiever kan scheiden door gebruik te maken van spectrale informatie binnen één instrumentopstelling.
• Toekomst: De volgende stap is het aanpassen van een combinatie van QUBIC-bundels aan de spectrum van de Maan en de atmosferische emissie/transmissie. Dit zal leiden tot een betere kalibratie van de atmosferische effecten en de uiteindelijke prestaties van de componentenscheiding voor de volledige CMB-metingen.

Conclusie: De combinatie van bolometrische gevoeligheid en interferometrische spectrale beeldvorming maakt QUBIC tot een krachtig instrument voor het opsporen van de zeldzame primordiale B-modes, mits de complexe voorgronden succesvol worden verwijderd met de ontwikkelde map-making algoritmes.