Flow-Based Surrogates for High-Dimensional Likelihoods in Experimental Neutrino Physics
Questo articolo dimostra che un'architettura di flusso normalizzante ibrida può modellare efficacemente verosimiglianze ad alta dimensionalità e non gaussiane nella fisica sperimentale dei neutrini, raggiungendo un'efficienza di campionamento quasi perfetta e una fedele riproduzione delle complesse incertezze sistematiche rispetto alle tradizionali approssimazioni gaussiane.