본 연구는 도핑된 공액 고분자의 전기 전도도 최적화 및 발견을 위해 기계 학습 기반 접근법을 제안한다. 주요 내용은 다음과 같다:
UV-VIS-NIR 흡수 스펙트럼을 활용하여 전기 전도도가 높은 샘플을 분류하는 분류 모델과 전기 전도도를 예측하는 회귀 모델로 구성된 두 단계 워크플로우를 제안하였다. 이를 통해 전기 전도도 측정에 소요되는 시간과 노력을 크게 줄일 수 있다.
제안한 B-스플라인 기반 스펙트럼 기술자가 통계적 기술자보다 우수한 성능을 보였다. 이는 B-스플라인 기술자가 스펙트럼의 국부적인 특성을 효과적으로 포착할 수 있기 때문이다.
LASSO 모델을 활용하여 전기 전도도 예측 시 스펙트럼 상의 중요 영역을 식별할 수 있었다. 이 영역은 고분자의 HOMO/LUMO 갭 에너지 범위와 일치하여, 모델의 물리적 해석 가능성을 보여준다.
상위 2개의 고전도성 샘플을 제외한 데이터셋으로 모델을 학습하고 이 샘플들에 대한 예측 성능을 평가하였다. LASSO 모델이 다른 복잡한 모델보다 우수한 외삽 성능을 보였다.
데이터 포인트의 오차를 모델에 반영하여 성능 향상을 확인하였다.
종합적으로, 본 연구는 도핑된 공액 고분자의 전기 전도도 최적화 및 발견을 위한 효율적이고 설명 가능한 기계 학습 기반 워크플로우를 제시한다.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문