Physics-Informed Support Vector Regression for Predicting Copolymer LCST Depressions via Thermodynamic Hofmeister Featurization
Dit artikel presenteert een physics-informed Support Vector Regression-raamwerk dat gebruikmaakt van continue thermodynamische descriptoren en strikte leave-one-salt-out validatie om de depressie van de LCST van copolymeren over diverse elektrolytmilieus heen robuust te voorspellen, waarbij de generalisatiefouten van standaard datagedreven modellen worden overwonnen.