宇宙光锥被当成一段视频：ViViViT 用时空分离注意力重建物质场，双谱误差约 5%
核心概要
宇宙学光锥沿视线方向同时对应宇宙时间，因此可视为一段记录结构演化的视频。ViViViT 把 21 厘米亮温光锥到物质密度光锥的重建改写为视频到视频的翻译，用空间与时间分离的注意力处理整条光锥。在 21cmFAST 模拟的留出光锥上，它把谱功率与相位一致性保持在真值几个百分点以内，并在所有测量的统计量上优于所测试的 3D U-Net 基线。
深度剖析
21 厘米亮温光锥到物质密度光锥的重建被当作视频到视频的翻译来处理，整条光锥在一次前向中完成转换。 此前的 21 厘米重建方法大多沿用卷积网络的归纳偏置，时间依赖只作为条件输入，或用于参数推断。 在 3000 条 21cmFAST 光锥上训练、200 条留出光锥上评估，ViViViT 在全部测量的两点与三点统计量上优于所测试的四层 3D U-Net。
模型把注意力拆成横向帧内与径向演化两部分，从而在整条光锥上保持全局的径向视野。 若对全部时空 token 做完整注意力，计算代价随 token 数呈二次增长，难以扩展到更大体积。 在无周期性的合成视频基准上，目标的相关长度增大时，各深度的 U-Net 重建误差随之上升，而 ViViViT 在每个测试的相关长度上都保持较低误差。
重建出的密度场在谱功率、相位一致性和三点相关上接近真值。 所测试的 U-Net 在最低红移区间最早丢失小尺度功率，并在电离区内部亮温被压制后难以恢复周围密度。 ViViViT 在大多数测量模式上把功率比中位数保持在 1 附近，在中间红移区间的交叉相关系数高于所测试的 U-Net，并对大多数保留的三角形构型把双谱重建到约 5% 以内。
启示与展望
演示范围限于 21cmFAST 生成的模拟光锥，覆盖吸收、加热与斑块电离等形态丰富的结构，训练 3000 条、留出 200 条，并与一个四层 3D U-Net 对比；合成基准单独用于检验长程径向信息。
21cmFAST 前向模型会在不同时间重复同一共动结构的周期性印记，这与真实观测光锥不同，可能为重建提供额外信息；合成基准只证明模型具备长程上下文能力，并未分离出它对宇宙学任务的贡献。重建是确定性的，单次前向给出整个体积，但不保留后验不确定性；用于真实数据还需纳入观测与天体物理系统学，并把物理场投影到仪器测量，其中银河系与河外前景把可靠谱信息限制在傅里叶空间的楔形区域之外。