跳到正文
arXiv · ML· Daniel Kaplan, Gabriel Kotliar, Anirvan M Sengupta·· 2026-10-21AI 评分26

利用训练后的神经切线核学习材料空间几何

Learning the Geometry of Materials Space with Trained Neural Tangent Kernels

AI 导读

该研究利用评估于训练后参数的神经切线核,恢复了预测超导转变温度的神经网络所学习的几何结构。基于该内核的岭回归表现接近原网络,且显著优于初始内核回归。 光谱分析与多维标度显示该几何由少数主导方向构成,聚类分析据此将化合物组织为可识别的超导族。 研究确立了训练切线核作为探测材料表征学习的有效工具,连接了属性预测与材料空间探索。

来源:arXiv · ML · arxiv.org