使用稀疏自编码器在中微子基础模型中发现并利用可解释潜变量

我们提出了基于稀疏自编码器的机制可解释性在粒子物理中的首次应用。我们研究了一个在 IceCube 数据上预训练、并针对方向重建进行微调的中微子基础模型，使用严格的验证协议（包括留出测试、匹配的干扰控制，以及跨独立字典训练的复现）在模型表示中识别出一份经过验证的物理概念图谱。因果干预表明，方向头几乎没有利用这份图谱中的信息。受这些未被充分利用的信息启发，我们在同样的事件级表示上训练了一个不确定性头，用于预测模型的角重建误差。与方向头不同，它在因果上依赖于图谱中的质量和亮度特征。在 $20\%$ 的选择效率下，这一可解释估计器将中位角分辨率从 $20.2^\circ$ 提高到 $3.2^\circ$。这些结果表明，机制可解释性能够揭示模型内部表示中编码的已学习潜在物理，并帮助设计利用这些信息的下游任务。