The Generalization Gap in Machine Learning EoS Inference from Core-Collapse Supernova Gravitational Waves
Diese Arbeit zeigt, dass maschinelle Lernmodelle zwar in der Lage sind, die Zustandsgleichungsparameter aus Gravitationswellen kollabierender Supernovae innerhalb eines Trainingskatalogs erfolgreich zu interpolieren, sie jedoch aufgrund einer signifikanten Generalisierungslücke nicht auf ungesehene Familien von Zustandsgleichungen verallgemeinern können, was die kritische Notwendigkeit von Leave-Family-Out-Validierung und physikbasierten Inferenzrahmen hervorhebt.