AI 與世界的難題 · 物理學 · Nature Machine Intelligence · 2026-09-30
透過自監督預訓練,邁向適用於能量前沿異質中微子偵測器的基礎模型式架構
原標題: Towards foundation-style models for energy-frontier heterogeneous neutrino detectors via self-supervised pretraining
在能量前沿的微中子偵測器中,事件詮釋對傳統重建方法而言不切實際,而在標註資料稀少時,對監督式模型也相當困難。作者以遮罩自編碼器重建與體素層級的關係型目標,對稀疏 Vision Transformer 進行預訓練,接著同時針對分類與迴歸任務進行微調。在擬議中的 FASER 熱量計模擬事件上,預訓練改善了味(flavour)與魅夸克的辨識、動量迴歸以及頂點重建;而且在僅有約 1,000 個標註事件時,經預訓練的編碼器在味分類表現上即可媲美從頭訓練的模型。