Meta-learning for cosmological emulation: Rapid adaptation to new lensing kernels
Dit artikel introduceert een model-agnostische meta-leer (MAML) aanpak voor het trainen van een kosmologisch emulator die zich met slechts enkele honderden steekproeven snel kan aanpassen aan nieuwe lensing-kernen en roodverdelingen, waardoor het aanzienlijk nauwkeurigere kosmologische inferentie mogelijk maakt dan bestaande methoden.