Key points are not available for this paper at this time.
Die Verwendung höherer Statistiken zur Erfassung kosmologischer Informationen aus schwachen Gravitationslinsenbefragungen erfordert oft eine Transformation der beobachteten Scherkräfte zu einer Messung des Konvergenzsignals. Dieses inverse Problem wird durch Rauschen und Randbedingungen kompliziert, und es wurden verschiedene Rekonstruktionsmethoden entwickelt, um den Prozess umzusetzen. Hier bewerten wir die Beibehaltung von Signalinformationen von vier solcher Methoden: Kaiser-Squires, Wiener-Filter, DarkMappy und DeepMass. Wir verwenden die höheren Statistiken der Minkowski-Funktionalen, um zu bestimmen, welche Methode die ursprüngliche Konvergenz mit Effizienz und Präzision am besten rekonstruiert. Wir stellen fest, dass DeepMass die engsten Einschränkungen für kosmologische Parameter erzeugt, während Kaiser-Squires, Wiener-Filter und DarkMappy bei einem Glättungsmaßstab von 3,5 Bogenminuten ähnlich sind. Wir untersuchen auch die Ungenauigkeit der MF, die durch unangemessene Trainingssätze in der DeepMass-Methode verursacht wird, und stellen fest, dass sie im Vergleich zu den Fehlern groß ist, was die Bedeutung der Auswahl geeigneter Trainingskosmologien unterstreicht.
Grewal et al. (Wed,) haben diese Frage untersucht.