ИИ и сложнейшие проблемы мира · Химия и материалы · arXiv · 2026-10-21
Изучение геометрии пространства материалов с помощью обученных нейронных касательных ядер
Оригинальное название: Learning the Geometry of Materials Space with Trained Neural Tangent Kernels
Нейронные сети, обученные предсказывать свойства материалов, усваивают представления, физическое содержание которых бывает трудно извлечь. Используя нейронное касательное ядро (NTK), вычисленное на обученных параметрах, данная работа восстанавливает геометрию, выученную сетью, предсказывающей температуры сверхпроводящего перехода только по элементному составу: ядерная гребневая регрессия с обученным NTK близко воспроизводит качество сети и существенно превосходит регрессию с исходным ядром. Спектральный анализ и многомерное шкалирование показывают, что геометрия определяется небольшим числом направлений, а кластеризация и анализ локальных окрестностей группируют соединения в узнаваемые сверхпроводящие семейства, связывая материалы с близкими химическими свойствами и свойствами коррелированных электронов, несмотря на существенные различия в Tc.