Towards foundation-style models for energy-frontier heterogeneous neutrino detectors via self-supervised pre-training
Die Studie stellt einen spärlichen ViT-Framework vor, der durch selbstüberwachtes Vortraining mit relationalen Zielen reusable Repräsentationen für heterogene Neutrinodetektoren lernt und dabei die Daten-effizienz sowie die Leistung bei Klassifizierungs- und Regressionsaufgaben im Vergleich zu herkömmlichen Ansätzen erheblich verbessert.