Análisis de componentes principales aplicado a la eliminación de foregrounds en observaciones simuladas de la línea de 21 cm con SKA

Abstract

Este trabajo se centra en el estudio de la línea de 21 cm del hidrógeno neutro, una de las herramientas más prometedoras para investigar el universo temprano, en particular la Época de Reionización (EoR). El principal reto para su detección es la presencia de foregrounds, señales astrofísicas e instrumentales mucho más intensas que la señal cosmológica buscada. Para afrontarlo, se han utilizado datos simulados del Science Data Challenge 3a del radiotelescopio SKA-Low, aplicando un proceso de reconvolución y la técnica de Análisis de Componentes Principales (PCA) con el fin de eliminar los foregrounds y obtener espectros de potencia de la señal de 21 cm. Los resultados muestran que la técnica de PCA permite recuperar parcialmente la señal de 21 cm y estimar espectros de potencia cercanos a los esperados, aunque con limitaciones asociadas a los errores sistemáticos instrumentales difíciles de cuantificar y la dependencia del número de componentes eliminadas. El trabajo concluye que la PCA es una herramienta eficaz, pero que deberá combinarse con otras técnicas para garantizar una extracción más eficaz de la señal en futuros experimentos.

This work focuses on the study of the 21 cm line of neutral hydrogen, one of the most promising tools to investigate the early universe, particularly the Epoch of Reionization (EoR). The main challenge for its detection is the presence of foregrounds, astrophysical and instrumental signals much stronger than the cosmological signal of interest. To address this, simulated data from the Science Data Challenge 3a of the SKA-Low radio telescope were used, applying a reconvolution process and the Principal Component Analysis (PCA) technique to remove the foregrounds and obtain power spectra of the 21 cm signal. The results show that the PCA technique allows partial recovery of the 21 cm signal and the estimation of power spectra close to the expected ones, although with limitations associated with difficult-to-quantify instrumental systematics and the dependence on the number of removed components. The study concludes that PCA is an effective tool, but it should be combined with other techniques to ensure a more reliable extraction of the signal in future experiments.