AI اور دنیا کے مشکل مسائل · کیمیا اور مواد · arXiv · 2026-10-21
تربیت یافتہ نیورل ٹینجنٹ کرنلز کے ذریعے موادوں کی فضاء کی جیومیٹری سیکھنا
اصل عنوان: Learning the Geometry of Materials Space with Trained Neural Tangent Kernels
میٹریلز کی پراپرٹیز کی پیشن گوئی کے لیے تربیت یافتہ نیورل نیٹ ورکس ایسی نمائندگیاں سیکھتے ہیں جن کا طبیعی مواد نکالنا مشکل ہو سکتا ہے۔ تربیت یافتہ پیرامیٹرز پر جانچے گئے نیورل ٹینجنٹ کرنل کے استعمال سے یہ کام ایک ایسے نیٹ ورک کی سیکھی ہوئی جیومیٹری کو بازیافت کرتا ہے جو صرف عنصری ساخت سے سپر کنڈکٹنگ ٹرانزیشن ٹمپریچر کی پیشن گوئی کرتا ہے: تربیت یافتہ NTK کے ساتھ کرنل رج ریگریشن نیٹ ورک کی پرفارمنس کو قریب قریب دہراتی ہے اور ابتدائی کرنل کے ساتھ ریگریشن سے نمایاں طور پر بہتر ثابت ہوتی ہے۔ اسپیکٹرل تجزیہ اور ملٹی ڈائمینشنل اسکیلنگ ایک ایسی جیومیٹری کو ظاہر کرتے ہیں جو سمتوں کی تھوڑی سی تعداد پر حاوی ہوتی ہے، اور کلسٹرنگ اور مقامی پڑوس کا تجزیہ مرکبات کو پہچانے جانے والے سپر کنڈکٹنگ خاندانوں میں منظم کرتے ہیں، جو Tc میں بڑے فرق کے باوجود متعلقہ کیمیائی اور کارلیٹڈ-الیکٹرون پراپرٹیز والے میٹریلز کو آپس میں جوڑتے ہیں۔