AI与世界难题 · 化学与材料 · arXiv · 2026-10-21
利用经训练的神经正切核学习材料空间的几何结构
原标题: Learning the Geometry of Materials Space with Trained Neural Tangent Kernels
经过训练、用于预测材料性质的神经网络所学到的表示，其物理内涵往往难以提取。本工作利用在训练后参数处求值的神经正切核，恢复了一个仅凭元素组成预测超导转变温度的网络所学到的几何结构：使用训练后 NTK 的核岭回归高度贴合地复现了网络的性能，并显著优于使用初始核的回归。谱分析与多维标度揭示出一种由少数方向主导的几何结构；聚类和局部邻域分析将化合物组织成可辨识的超导家族，把化学性质与关联电子性质相关、尽管 Tc 差异悬殊的材料联系了起来。