IA e os Problemas Difíceis do Mundo · Física · Nature Machine Intelligence · 2026-09-30
Rumo a modelos do tipo foundation para detectores de neutrinos heterogêneos na fronteira de energia por meio de pré-treinamento autossupervisionado
Título original: Towards foundation-style models for energy-frontier heterogeneous neutrino detectors via self-supervised pretraining
A interpretação de eventos em detectores de neutrinos na fronteira de energia é impraticável para a reconstrução convencional e difícil para modelos supervisionados quando há poucos dados rotulados. Os autores pré-treinam um Vision Transformer esparso com reconstrução por autoencoder mascarado e objetivos relacionais em nível de voxel, e depois o ajustam conjuntamente em classificação e regressão. Em eventos simulados do calorímetro FASER proposto, o pré-treinamento melhorou a identificação de sabor e de quark charm, a regressão de momento e a reconstrução de vértices, e com cerca de 1.000 eventos rotulados o codificador pré-treinado igualou o desempenho de classificação de sabor de um modelo treinado do zero.