Kolmogorov-Arnold Networks Applied to Materials Property Prediction
본 연구는 33가지의 다양한 재료 특성을 예측하기 위해 Kolmogorov-Arnold Networks(KAN)를 평가하며, 표준 KAN은 종종 랜덤 포레스트에 비해 성능이 떨어지고 더 많은 튜닝을 요구하는 반면, 최적화된 KAN 구조와 그 결과물인 해석 가능한 폐형식 표현식은 훨씬 적은 파라미터와 최소한의 도메인 전문 지식만으로도 기존 모델들과 대등한 정확도를 달성할 수 있음을 발견하였다.