상 예측

고엔트로피 탄화물 세라믹상 예측

고엔트로피 탄화물 세라믹(HECC)은 극한 고온 환경에서 유망한 특성을 보이지만, 신소재 발견 가속화를 위한 기계 학습 적용 시 데이터 불균형 문제가 예측 성능을 저해합니다. 본 연구는 이러한 문제를 해결하기 위해 Borderline-SMOTE 기법을 기계 학습 알고리즘과 통합했습니다. 문헌, 실험 합성 및 합성 과표집을 통해 251개 샘플을 포함하는 데이터셋을 구축했으며, 4단계 특징 선택 전략으로 상 형성에 영향을 미치는 핵심 특징을 선별했습니다. 이후 10가지 일반적인 기계 학습 모델을 훈련 및 최적화하여 HECC 상 형성 …