Data-Driven Calibration of Large Liquid Detectors with Unsupervised Learning
Este artículo presenta un método novedoso basado en aprendizaje profundo no supervisado para extraer automáticamente constantes de calibración de los fotomultiplicadores del detector SNO+ utilizando datos de física y eventos de fondo radiactivo, demostrando la viabilidad de reducir este problema complejo a una regresión a gran escala mediante modelos físicos simplificados.