Data-Driven Prediction and Classification of Multi-Component Alloys Using Interpretable Machine Learning
본 연구는 2,672개의 다성분 합금 시스템에 대해 랜덤 포레스트 회귀 모델과 로지스틱 회귀 분류기를 사용하여 기계적 및 열적 특성을 정확하게 예측하는 동시에 바나듐, 철, 텅스텐, 탄소를 핵심 조성 결정 요인으로 식별함으로써, 확장 가능하고 데이터 기반의 재료 발견을 가능하게 하는 해석 가능한 머신러닝 프레임워크를 제시한다.