Meta-learning for cosmological emulation: Rapid adaptation to new lensing kernels
Este artículo demuestra que el algoritmo de aprendizaje meta Model-Agnostic (MAML) permite entrenar un emulador cosmológico capaz de adaptarse rápidamente a nuevas distribuciones de corrimiento al rojo con muy pocos datos de ajuste fino, superando significativamente en precisión y en la recuperación de las restricciones cosmológicas a los emuladores tradicionales sin pre-entrenamiento o de tarea única.