Physics-Informed Support Vector Regression for Predicting Copolymer LCST Depressions via Thermodynamic Hofmeister Featurization
본 논문은 연속적인 열역학적 기술자와 엄격한 leave-one-salt-out 검증을 활용하여 다양한 전해질 환경에서 공중합체의 LCST 저하를 강건하게 예측함으로써, 표준 데이터 기반 모델의 일반화 실패를 극복하는 물리 정보 기반 서포트 벡터 회귀 프레임워크를 제시한다.