Flow-Based Surrogates for High-Dimensional Likelihoods in Experimental Neutrino Physics
Este artigo demonstra que uma arquitetura de fluxo de normalização híbrida pode modelar eficazmente verossimilhanças não gaussianas de alta dimensão na física experimental de neutrinos, alcançando uma eficiência de amostragem quase perfeita e uma reprodução fiel de incertezas sistemáticas complexas em comparação com as aproximações gaussianas tradicionais.