Physics-Informed Support Vector Regression for Predicting Copolymer LCST Depressions via Thermodynamic Hofmeister Featurization
本文提出了一种利用连续热力学描述符和严格留一盐验证(leave-one-salt-out validation)的物理启发式支持向量回归框架,旨在稳健地预测不同电解质环境下共聚物的低临界溶液温度(LCST)下降,从而克服了标准数据驱动模型的泛化失效问题。