Physics-Informed Support Vector Regression for Predicting Copolymer LCST Depressions via Thermodynamic Hofmeister Featurization
Cet article présente un cadre de régression par vecteurs de support informée par la physique, utilisant des descripteurs thermodynamiques continus et une validation stricte de type « leave-one-salt-out » pour prédire de manière robuste les dépressions de la LCST des copolymères à travers divers environnements d'électrolytes, surmontant ainsi les échecs de généralisation des modèles de données standards.