この記事では、宇宙マイクロ波背景放射（CMB）マップから原始磁場（PMF）に関連する重要な宇宙論パラメータを推定するための新しいベイズグラフ深層学習フレームワークを提案しています。このフレームワークは、球面幾何学を考慮したDeepSphereという球面畳み込みニューラルネットワークアーキテクチャを使用し、高精度なパラメータ推定を実現します。さらに、ベイズニューラルネットワーク（BNN）を統合することで、予測の不確実性を定量化する方法も盛り込まれており、様々な不確実性を考慮します。結果として、磁場パラメータの推定においてR²スコアが0.89を超える優れた性能を示し、信頼性の高い不確実性推定が可能であることが確認されました。このアプローチは、精密宇宙論の時代における堅牢な宇宙論的推論に必要なツールを提供します。