Meta-learning for cosmological emulation: Rapid adaptation to new lensing kernels
Este artigo demonstra que o algoritmo de Meta-Aprendizagem Agnóstica a Modelos (MAML) permite a adaptação rápida e precisa de um emulador de espectro de potência angular de cisalhamento cósmico a novas distribuições de redshift com apenas algumas centenas de amostras, superando significativamente em precisão e inferência cosmológica os emuladores tradicionais pré-treinados em tarefas únicas ou sem pré-treinamento.