CDRL: Certification-Driven Reinforcement Learning for Neutrino Flavor Model Discovery
本論文は、記号推論を活用して失敗の証明書を生成し、それらを再利用可能な制約へと変換することで、膨大な組合せ的仮説空間の中から有効なニュートリノ・フレーバー・モデルを発見する際の効率と成功率を既存手法と比較して大幅に向上させるフレームワークである、Certification-Driven Reinforcement Learning (CDRL) を導入するものである。