待验证50% 置信事实精确时间
KC-Maps将边界条件(当目标时刻等于初始时刻时转移核退化为狄拉克δ函数)直接编码进神经网络架构,而非通过损失函数软性惩罚。
1
来源数
50%
置信度
长期有效
时效性
2026/11/10
首次发现
来源
KC-Maps:无需轨迹数据,AI加速分子动力学模拟
rss2026/11/9
涉及实体
相关事实
待验证隐式神经网络在此指用小型神经网络直接参数化扭曲函数φ,输入是归一化时间坐标,输出是对应的对齐位置70% 相似待验证KAN(Kolmogorov-Arnold Networks)将可学习的单变量函数放在网络的边上,而非传统神经网络把固定激活函数放在节点上69% 相似待验证Kolmogorov-Arnold Geometry(KAG)框架通过分析隐藏层对输入变化的局部响应——即Jacobian矩阵的子式——来揭示网络内部的计算结构。67% 相似待验证KAN将可学习的激活函数放置在网络的边(连接权重)上,通常以B样条函数实现,而传统MLP在节点上使用固定激活函数67% 相似已验证神经正切核(NTK)理论指出当神经网络宽度趋向无穷时,网络在梯度下降训练中的行为等价于以NTK为核的核回归模型,且网络不做特征学习67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1154558API
curl https://kongchang.com/api/v1/knowledge/claims/1154558MCP
get_claim(id=1154558)