AI 與世界的難題 · 化學與材料 · arXiv · 2026-10-21
以經訓練的神經正切核學習材料空間的幾何結構
原標題: Learning the Geometry of Materials Space with Trained Neural Tangent Kernels
訓練來預測材料性質的神經網路,其學到的表示之物理內涵往往難以萃取。本文利用在訓練後參數處評估的神經正切核,還原了一個僅憑元素組成預測超導轉變溫度的網路所學到的幾何結構:以訓練後的 NTK 進行核嶺迴歸,能貼近重現該網路的表現,並大幅優於使用初始核的迴歸。頻譜分析與多維度縮放揭示,此幾何結構由少數幾個方向主導;分群與局部鄰域分析則將化合物組織成可辨識的超導家族,把化學性質與電子相關性質相關的材料連結起來,即使 Tc 差異懸殊。