Cross-Geometry Transfer Learning in Fast Electromagnetic Shower Simulation
Este artículo introduce una metodología de aprendizaje por transferencia para la simulación rápida de cascadas electromagnéticas que aprovecha las representaciones de nubes de puntos y el preentrenamiento en el Detector Grande Internacional para adaptar eficientemente los modelos generativos a nuevas geometrías de detectores con un mínimo de datos del dominio objetivo, superando significamente al entrenamiento desde cero al actualizar solo una fracción de los parámetros del modelo.