Towards foundation-style models for energy-frontier heterogeneous neutrino detectors via self-supervised pre-training
Este artigo apresenta um framework de ViT esparsos com pré-treinamento auto-supervisionado que aprende representações reutilizáveis a partir de dados heterogêneos de detectores de neutrinos, demonstrando melhorias significativas na eficiência de dados, precisão de reconstrução e transferência de conhecimento para tarefas de física de partículas em regimes de fronteira energética.