Flow-Based Surrogates for High-Dimensional Likelihoods in Experimental Neutrino Physics
Este artículo demuestra que una arquitectura de flujo de normalización híbrida puede modelar eficazmente verosimilitudes no gaussianas de alta dimensión en la física experimental de neutrinos, logrando una eficiencia de muestreo casi perfecta y una reproducción fiel de las incertidumbres sistemáticas complejas en comparación con las aproximaciones gaussianas tradicionales.