Physics-Informed Support Vector Regression for Predicting Copolymer LCST Depressions via Thermodynamic Hofmeister Featurization
यह शोध पत्र विविध इलेक्ट्रोलाइट वातावरणों में कोपोलिमर LCST अवसादन (depressions) की मजबूती से भविष्यवाणी करने के लिए निरंतर ऊष्मागतिक विवरणों (thermodynamic descriptors) और सख्त लीव-वन-सॉल्ट-आउट सत्यापन का उपयोग करते हुए एक भौतिकी-सूचित सपोर्ट वेक्टर रिग्रेशन ढांचे को प्रस्तुत करता है, जो मानक डेटा-संचालित मॉडलों की सामान्यीकरण विफलताओं पर विजय प्राप्त करता है।