通过自监督预训练构建面向能量前沿异体中微子探测器的基础模型框架

基于加速器的中微子物理正在进入能量前沿领域，在此领域中相互作用达到TeV尺度并产生异常密集、重叠的探测器信号。在此regime中，事件解释对传统重建方法而言变得不切实际，特别是在标记数据稀缺且分析涵盖多种下游目标的情况下。我们提出了一种稀疏ViT框架，用于从异质探测器数据中学习可复用的表示。自监督预训练结合了掩码自编码器重建与关系体素级目标，用于层级、幽灵和粒子识别，所得共享编码器随后在分类和回归任务上联合微调。在LHC上提出的FASERCal概念的模拟事件上评估，我们发现预训练始终优于从头训练的中微子味和粲夸克识别、动量回归和顶点重建，而关系目标的加入在拓扑最复杂的通道中进一步带来增益。可解释性分析进一步表明预训练产生了更有结构的潜在空间，而探测器子系统消融恢复了异质输入在物理上合理的通道依赖角色。数据效率研究表明，使用约$10^3$个带标签事件，预训练编码器的表现即匹配了在多一个数量级数据上训练的随机初始化模型的味分类性能。学习到的表示还能有效迁移到涵盖不同探测器技术和能量尺度的公开基准数据集上，达到或超过已发表基线。这些结果支持在多模态探测器数据上进行自监督预训练，作为迈向中微子和粒子探测器分析可复用表示的可扩展路径。