AI এবং বিশ্বের কঠিন সমস্যাগুলো · রসায়ন ও উপকরণ · arXiv · 2026-10-21

প্রশিক্ষিত নিউরাল ট্যানজেন্ট কার্নেল দিয়ে উপাদান-স্পেসের জ্যামিতি শেখা

মূল শিরোনাম: Learning the Geometry of Materials Space with Trained Neural Tangent Kernels

উপাদানের বৈশিষ্ট্য পূর্বাভাস দিতে প্রশিক্ষিত নিউরাল নেটওয়ার্ক এমন উপস্থাপনা শেখে, যার ভৌত বিষয়বস্তু বের করা কঠিন হতে পারে। প্রশিক্ষিত প্যারামিটারে মূল্যায়িত নিউরাল ট্যানজেন্ট কার্নেল ব্যবহার করে এই কাজটি এমন একটি নেটওয়ার্কের শেখা জ্যামিতি উদ্ধার করে, যা শুধু মৌল-সংযুতি থেকে অতিপরিবাহী রূপান্তর তাপমাত্রা পূর্বাভাস করে: প্রশিক্ষিত NTK দিয়ে কার্নেল রিজ রিগ্রেশন নেটওয়ার্কের কর্মক্ষমতা ঘনিষ্ঠভাবে পুনরুৎপাদন করে এবং প্রাথমিক কার্নেল দিয়ে রিগ্রেশনকে যথেষ্ট পরিমাণে ছাড়িয়ে যায়। বর্ণালী বিশ্লেষণ ও মাল্টিডাইমেনশনাল স্কেলিং দেখায় জ্যামিতিটি অল্প সংখ্যক দিক দ্বারা আধিপত্যশীল, এবং ক্লাস্টারিং ও স্থানীয় প্রতিবেশী বিশ্লেষণ যৌগগুলিকে চেনা যায় এমন অতিপরিবাহী পরিবারে সাজায় — Tc-তে ব্যাপক পার্থক্য সত্ত্বেও রাসায়নিক ও সহসম্পর্কিত-ইলেকট্রন বৈশিষ্ট্যের দিক থেকে সম্পর্কযুক্ত উপাদানগুলিকে একে অপরের সঙ্গে যুক্ত করে।

মূল লেখা পড়ুন ↗

সব আইটেম →