Data-Driven Prediction and Classification of Multi-Component Alloys Using Interpretable Machine Learning
本研究は、2,672種類の多成分合金系を用い、ランダムフォレスト回帰およびロジスティック回帰分類器を用いた解釈可能な機械学習フレームワークを提示することで、バナジウム、鉄、タングステン、および炭素を主要な組成因子として特定しながら、機械的特性および熱的特性を正確に予測し、それによってスケーラブルでデータ駆動型の材料探索を可能にするものである。