AI और दुनिया की कठिन समस्याएँ · रसायन विज्ञान और पदार्थ · arXiv · 2026-10-21

प्रशिक्षित न्यूरल टैंजेंट कर्नेल्स के साथ सामग्री स्पेस की ज्यामिति सीखना

मूल शीर्षक: Learning the Geometry of Materials Space with Trained Neural Tangent Kernels

पदार्थ गुणों की भविष्यवाणी के लिए प्रशिक्षित न्यूरल नेटवर्क ऐसे प्रतिनिधित्व सीखते हैं जिनकी भौतिक विषय-वस्तु को निकालना कठिन हो सकता है। प्रशिक्षित पैरामीटरों पर मूल्यांकित न्यूरल टैंजेंट कर्नेल का उपयोग करते हुए, यह कार्य उस नेटवर्क द्वारा सीखी गई ज्यामिति को पुनर्प्राप्त करता है जो केवल तत्व-संगठन से अतिचालक संक्रमण तापमान का पूर्वानुमान लगाता है: प्रशिक्षित NTK के साथ कर्नेल रिज रिग्रेशन नेटवर्क के प्रदर्शन को निकटतः पुनरुत्पन्न करता है और प्रारंभिक कर्नेल वाली रिग्रेशन से काफ़ी बेहतर प्रदर्शन करता है। स्पेक्ट्रल विश्लेषण और मल्टीडाइमेंशनल स्केलिंग दिशाओं की छोटी संख्या के प्रभुत्व वाली एक ज्यामिति को उजागर करते हैं, और क्लस्टरिंग तथा स्थानीय पड़ोस विश्लेषण यौगिकों को पहचानने योग्य अतिचालक परिवारों में व्यवस्थित करते हैं, जो Tc में बड़े अंतर के बावजूद संबंधित रासायनिक और सहसंबद्ध-इलेक्ट्रॉन गुणों वाले पदार्थों को आपस में जोड़ते हैं।

मूल लेख पढ़ें ↗

सभी आइटम →