Um estudo de métodos estocásticos em ambiente paralelo para a produção de mapas das anisotropias da radiação cósmica de fundo em microondas

• Main Author: Ricardo Varela Corrêa
• Other Authors: Airam Jônatas Preto
• Language: Portuguese
• Published: Instituto Nacional de Pesquisas Espaciais (INPE) 2005
• Online Access: http://urlib.net/sid.inpe.br/iris@1913/2005/04.19.19.59

Mapas de anisotropia da radiação cósmica de fundo em microondas são constituídos por valores de temperaturas correspondentes a essa radiação para pontos discretos (pixels) da região observada do céu. A construção de um mapa envolve a resolução do problema inverso da estimação desses valores de temperatura a partir de séries temporais de medidas de temperatura com ruído. Uma matriz de apontamento relaciona as medidas com os pontos do céu, sendo definida pela estratégia de apontamento do instrumento. Quase todos os métodos existentes de construção de mapas são analíticos, sendo derivados do método dos mínimos quadrados. Esses métodos envolvem alguma forma de inversão de matrizes de grande dimensão que são singulares e esparsas. Devido aos custos computacionais decorrentes, utiliza-se comumente uma alternativa, o método bin average, no qual a temperatura estimada de cada pixel é calculada pela média ponderada de suas medidas. Este trabalho propõe uma nova alternativa a estes métodos inversos através de uma abordagem implícita (iterativa). O problema inverso associado é formulado como um problema de otimização e resolvido por um algoritmo estocástico. São avaliadas versões paralelas de algoritmos genéticos e de um algoritmo de recozimento simulado, utilizando-se dados sintéticos corrompidos com ruído. O mapa resultante obtido por este último apresentou melhor qualidade quando comparado com aquele obtido pelo método bin average num tempo de execução equivalente. === Anisotropy maps of the microwave background cosmic radiation are composed of temperature values that correspond to that radiation in discrete points (pixels) of the observed region of the sky. The construction of a map requires the solving of the inverse problem that is the estimation of temperature values from temporal series of noisy temperature measurements. A pointing matrix correlates the measurements to the points of the sky, being defined by the pointing strategy of the instrument. Most methods for map construction are analytical, being derived from the least square method. These methods require the inversion of sparse, singular matrixes that have large dimensions. Due to the high processing costs, a common alternative is the bin average method, in which the estimated temperature of each pixel is given by a weighted average of its temperature measurements. This work proposes a new alternative for map construction by using an implicit (iterative) inverse method. The associated inverse problem is formulated as an optimization problem that is solved by a stochastic algorithm. Parallel versions of genetic algorithms and a simulated annealing algorithm are evaluated using noise-corrupted synthetic data. The resulting map obtained by the latter algorithm presented better quality in comparison to that obtained by the bin average method using an equivalent processing time.