IA e os Problemas Difíceis do Mundo · Química e materiais · arXiv · 2026-10-21
Aprendendo a Geometria do Espaço de Materiais com Kernels Tangentes Neurais Treinados
Título original: Learning the Geometry of Materials Space with Trained Neural Tangent Kernels
Redes neurais treinadas para prever propriedades de materiais aprendem representações cujo conteúdo físico pode ser difícil de extrair. Usando o neural tangent kernel avaliado nos parâmetros treinados, este trabalho recupera a geometria aprendida por uma rede que prevê temperaturas de transição supercondutora a partir apenas da composição elementar: a regressão ridge com kernel empregando o NTK treinado reproduz de perto o desempenho da rede e supera substancialmente a regressão com o kernel inicial. A análise espectral e o escalonamento multidimensional revelam uma geometria dominada por um pequeno número de direções, e as análises de agrupamento e de vizinhança local organizam os compostos em famílias supercondutoras reconhecíveis, conectando materiais com propriedades químicas e de elétrons correlacionados semelhantes, apesar de diferenças substanciais em Tc.