AIが解く世界の難問 · 化学・材料 · arXiv · 2026-10-21
訓練済みニューラル接線カーネルによる材料空間の幾何の学習
原題: Learning the Geometry of Materials Space with Trained Neural Tangent Kernels
材料物性を予測するよう訓練されたニューラルネットワークの表現には物理的な内容が含まれるが、それを取り出すのは難しい。本研究は訓練後のパラメータで評価したニューラル接線カーネル(NTK)を用い、元素組成だけから超伝導転移温度を予測するネットワークが学習した幾何を復元した。訓練済みNTKによるカーネルリッジ回帰はネットワークの予測性能をほぼ再現して初期カーネルの回帰を大幅に上回り、スペクトル解析と多次元尺度構成法により幾何は少数の方向に支配されていることが示され、クラスタリングと近傍解析は化合物を認識可能な超伝導ファミリーに整理し、転移温度が大きく異なる材料同士を化学的・相関電子的な性質の類似で結びつけた。