Naukowcy badający uczenie maszynowe w aplikacjach fizycznych natrafili na fundamentalny problem: standardowe techniki adaptacji domen, które skutecznie transferują wiedzę z symulacji na rzeczywiste dane eksperymentalne, działają niewłaściwie w kontekście fizyki. Tradycyjne podejście zakłada, że dwie domeny - symulacja i eksperyment - różnią się jedynie w detaliach technicznych (reaction nuisance'ach, czyli szumach detektora), podczas gdy wielkość fizyczna będąca przedmiotem badania ma identyczny rozkład. W praktyce fizycznej żadne z tych założeń nie sprawdza się.