Probing out-of-distribution generalization in machine learning for materials
यह अध्ययन प्रकट करता है कि मैटेरियल्स साइंस मशीन लर्निंग में सामान्य ह्यूरिस्टिक मूल्यांकन अक्सर सामान्यीकरण और न्यूरल स्केलिंग के लाभों को बढ़ा-चढ़ाकर बताते हैं क्योंकि वे मुख्य रूप से प्रशिक्षण डोमेन के भीतर इंटरपोलेशन का परीक्षण करते हैं बजाय वास्तविक आउट-ऑफ-डिस्ट्रीब्यूशन एक्सट्रपलेशन के, जहाँ डेटा या मॉडल के आकार को बढ़ाने से घटते या प्रतिकूल प्रतिफल प्राप्त होते हैं।