玻璃动力学线性回归模型的可解释性

数据驱动的模型能够准确描述和预测玻璃形成液体的动力学特性，但准确的预测并不保证对其背后物理现象及其控制关键因素的理解。本文阐述了基于高维结构描述符构建的玻璃动力学线性回归模型的优势与局限性。通过分析二维玻璃模型的数据，我们表明，玻璃转化研究中常用的几个描述符显示出多重共线性，这会阻碍线性模型的可解释性。岭回归抑制了部分多重共线性的缺陷，但其解不够简洁，难以实现物理解释。只有采用降维技术，才能最终获得在预测精度和可解释性之间取得平衡的线性模型。我们的分析表明，局部堆积和组成波动在本研究中的玻璃模型中发挥着关键作用。