Physics-Informed Support Vector Regression for Predicting Copolymer LCST Depressions via Thermodynamic Hofmeister Featurization
Diese Arbeit präsentiert ein physikinformiertes Support-Vector-Regression-Framework, das kontinuierliche thermodynamische Deskriptoren und eine strikte Leave-One-Salt-Out-Validierung nutzt, um die LCST-Absenkungen von Copolymeren über diverse Elektrolytumgebungen hinweg robust vorherzusagen und dadurch die Generalisierungsfehler standardmäßiger datengetriebener Modelle zu überwinden.