L'IA face aux grands problèmes du monde · Physique · Nature Machine Intelligence · 2026-09-30
Vers des modèles de type fondation pour les détecteurs de neutrinos hétérogènes de la frontière en énergie via un préentraînement auto-supervisé
Titre original: Towards foundation-style models for energy-frontier heterogeneous neutrino detectors via self-supervised pretraining
L'interprétation des événements dans les détecteurs de neutrinos à la frontière de l'énergie est impraticable pour la reconstruction conventionnelle et difficile pour les modèles supervisés lorsque les données étiquetées sont rares. Les auteurs pré-entraînent un Vision Transformer parcimonieux avec une reconstruction par autoencodeur masqué et des objectifs relationnels au niveau des voxels, puis l'affinent conjointement sur la classification et la régression. Sur des événements simulés du calorimètre FASER proposé, le pré-entraînement a amélioré l'identification de la saveur et du quark charm, la régression de l'impulsion et la reconstruction du vertex, et avec environ 1,000 événements étiquetés, l'encodeur pré-entraîné a égalé les performances de classification de la saveur d'un modèle entraîné à partir de zéro.