麻省理工学院、加州理工学院和东北大学的研究人员创建了一种新型神经网络：KAN。KAN模型在物理建模任务上表现优于基于感知器的模型，并提供了更可解释的可视化。研究人员将KAN与传统的多层感知器（MLP）神经网络在物理和数学建模任务上的性能进行了比较，发现KAN在更少的参数下实现了更好的准确性。KAN的激活函数可帮助用户发现能够表示所建模物理过程的符号公式。KAN具有类似于MLP的结构，但不是为每个输入学习权重，而是学习样条函数。研究人员创建了一个界面，允许用户解释和编辑KAN。用户可以通过修剪不重要的节点来简化KAN。用户还可以检查样条函数，并在需要时用符号形式（如三角函数或对数函数）替换它们。