Continual Learning via Ensemble-Based Depth-Wise Masked Autoencoders for Data Quality Monitoring in High-Energy Physics
Questo lavoro presenta DepthViT, un'architettura leggera basata su autoencoder mascherati e un framework di apprendimento continuo tramite ensemble, progettato per garantire un monitoraggio robusto della qualità dei dati e un rilevamento efficace delle anomalie nei flussi dinamici degli esperimenti di fisica delle alte energie, come dimostrato dai risultati sul calorimetro adronico del CMS.