Transfer Learning for Neutrino Scattering: Domain Adaptation with GANs
Die Studie zeigt, dass Transferlernen mit Generativen Adversarial Networks (GANs) effektiv genutzt werden kann, um physikalische Informationen von synthetischen Neutrino-Kohlenstoff-Streudaten auf verwandte Prozesse wie Neutrino-Argon-Wechselwirkungen zu übertragen, wodurch selbst bei begrenzten Statistiken eine hohe Genauigkeit erreicht wird, die Modelle, die von Grund auf neu trainiert wurden, deutlich übertrifft.