文獻驅動之耐火材料資訊學：加速耐火材料配方設計之研究
運用機器學習預測先進冶金耐火材料（如鎂碳系與鋁鎂系）之性能，以取代傳統耗時且成本高昂的試誤法，進而提升製程可持續性。研究團隊蒐集公開文獻的配方資料，並選用能有效處理缺失值的XGBoost回歸模型(XGBR)進行分析。針對資料不完整的問題，配方缺值以「行業平均值加微量雜訊」填補，製程欄位則保留空白以避免產生錯誤約束。實驗鎖定預測抗彎強度(MOR)與常溫抗壓強度(CCS)，並比較資料量由29筆擴充至50筆的影響。結果顯示，資料擴充使對材料異質性... [詳細]