基于梯度的径向基函数网络训练与剪枝及其在材料物理中的应用
机器学习
2022-09-30 v1 材料科学
计算物理
机器学习
摘要
许多应用，尤其是物理学及其他科学中的应用，需要易于解释且鲁棒的机器学习技术。我们提出了一种完全基于梯度的径向基函数网络训练技术，并提供了高效且可扩展的开源实现。我们推导了针对连续及二值数据的模型剪枝的新型闭式优化准则，这些数据出现在一个具有挑战性的真实世界材料物理问题中。所剪枝的模型经过优化，基于关于数据分布的已知假设，提供更大模型的紧凑且可解释的版本。剪枝模型的可视化为决定固态物质中原子级迁移过程的原子构型提供了见解；这些结果可为未来设计更适合与机器学习算法一起使用的描述符的研究提供信息。
引用
@article{arxiv.2004.02569,
title = {Gradient-Based Training and Pruning of Radial Basis Function Networks with an Application in Materials Physics},
author = {Jussi Määttä and Viacheslav Bazaliy and Jyri Kimari and Flyura Djurabekova and Kai Nordlund and Teemu Roos},
journal= {arXiv preprint arXiv:2004.02569},
year = {2022}
}