L'IA face aux grands problèmes du monde · Chimie et matériaux · arXiv · 2026-10-21
Apprendre la géométrie de l'espace des matériaux avec des noyaux de tangente neuronale entraînés
Titre original: Learning the Geometry of Materials Space with Trained Neural Tangent Kernels
Les réseaux de neurones entraînés à prédire les propriétés des matériaux apprennent des représentations dont le contenu physique peut être difficile à extraire. En utilisant le noyau de tangence neurale évalué aux paramètres entraînés, ce travail récupère la géométrie apprise par un réseau qui prédit les températures de transition supraconductrice à partir de la seule composition élémentaire : la régression ridge à noyau avec le NTK entraîné reproduit fidèlement les performances du réseau et surpasse nettement la régression avec le noyau initial. L'analyse spectrale et le positionnement multidimensionnel révèlent une géométrie dominée par un petit nombre de directions, et le clustering et l'analyse des voisinages locaux organisent les composés en familles supraconductrices reconnaissables, reliant des matériaux aux propriétés chimiques et à électrons corrélés apparentées malgré des différences substantielles de Tc.