Meta-learning for cosmological emulation: Rapid adaptation to new lensing kernels
Cette étude démontre que l'algorithme d'apprentissage méta Model-Agnostic Meta-Learning (MAML) permet d'entraîner un émulateur cosmologique capable de s'adapter rapidement et avec une grande précision à de nouvelles distributions de redshift pour l'analyse du cisaillement cosmique, surpassant ainsi les émulateurs standards en termes de reconstruction des contraintes cosmologiques.