La IA y los problemas difíciles del mundo · Física · arXiv · 2026-10-23
Incertidumbres fieles en problemas inversos basados en ML: GP, NN y NTK para la PDF del triplete
Título original: Faithful Uncertainties in ML-Based Inverse Problems: GPs, NNs and NTKs for the Triplet PDF
Las soluciones de aprendizaje automático para problemas inversos de la física necesitan incertidumbres fiables, no solo buenos valores centrales. Usando una configuración de pruebas de cierre para reconstruir la distribución tripleto no singlete T3 a partir de datos de dispersión inelástica profunda, los autores compararon procesos gaussianos, conjuntos de redes neuronales y núcleos tangentes neuronales empíricos. Métodos con valores centrales similares dieron incertidumbres muy diferentes, controladas por el tratamiento de la covarianza de la verosimilitud, el prior funcional y la etapa de entrenamiento, y la calibración dependió de las correlaciones predictivas más que de la anchura puntual.