La IA y los problemas difíciles del mundo · Química y materiales · arXiv · 2026-10-21
Aprendizaje de la geometría del espacio de materiales con núcleos tangentes neuronales entrenados
Título original: Learning the Geometry of Materials Space with Trained Neural Tangent Kernels
Las redes neuronales entrenadas para predecir propiedades de materiales aprenden representaciones cuyo contenido físico puede resultar difícil de extraer. Usando el kernel tangente neural evaluado en los parámetros entrenados, este trabajo recupera la geometría aprendida por una red que predice temperaturas de transición superconductoras a partir solo de la composición elemental: la regresión de cresta con kernel con el NTK entrenado reproduce con fidelidad el rendimiento de la red y supera sustancialmente a la regresión con el kernel inicial. El análisis espectral y el escalado multidimensional revelan una geometría dominada por un pequeño número de direcciones, y el análisis de clústeres y de vecindades locales organiza los compuestos en familias superconductoras reconocibles, conectando materiales con propiedades químicas y de electrones correlacionados afines pese a diferencias sustanciales en Tc.