CDRL: Certification-Driven Reinforcement Learning for Neutrino Flavor Model Discovery
Dit artikel introduceert Certification-Driven Reinforcement Learning (CDRL), een framework dat gebruikmaakt van symbolische redenering om certificaten van falen te genereren en deze om te zetten in herbruikbare beperkingen, waardoor de efficiëntie en het succespercentage bij het ontdekken van geldige neutrino-flavormodellen binnen enorme combinatorische hypotheseruimtes aanzienlijk wordt verbeterd vergeleken met bestaande methoden.