热响应系统的浊点温度：数据匮乏条件下的预测方法 作者：马塞拉·伊丽莎白·佩诺夫（Marcela Elisabeth Penoff）， 法昆多·伊格纳西奥·阿尔图纳（Facundo Ignacio Altuna）， 路易斯·亚历杭德罗·米乔（Luis Alejandro Miccio）

《Applied Sciences》：Cloud Point Temperature of Thermoresponsive Systems: A Predictive Approach in Data Scarcity Conditions Marcela Elisabeth Penoff, Facundo Ignacio Altuna and Luis Alejandro Miccio

　　

摘要

在这项研究中，我们采用了机器学习技术来改善数据稀缺条件下的材料分析。具体来说，我们专注于预测具有热响应特性的聚合物-水系统的浊点温度。我们将直接在现有数据上训练的模型与通过编码器-解码器模型学习的表示进行比较，该编码器-解码器模型先在一个更大的数据集上进行预训练以生成分子指纹。我们的结果表明，在严格的数据筛选限制下，基于嵌入的模型在预测浊点温度方面明显优于直接训练的模型。这种方法强调了领域知识驱动的表示学习在数据有限的情况下解决复杂材料科学问题的潜力。