Flow-Based Surrogates for High-Dimensional Likelihoods in Experimental Neutrino Physics
Cet article démontre qu'une architecture de flux de normalisation hybride peut modéliser efficacement des vraisemblances non gaussiennes de haute dimension en physique expérimentale des neutrinos, atteignant une efficacité d'échantillonnage quasi parfaite et une reproduction fidèle des incertitudes systématiques complexes par rapport aux approximations gaussiennes traditionnelles.