Explainable Artificial Intelligence (XAI) for Material Design and Engineering Applications: A Quantitative Computational Framework
· 약 3분
논문 정보
- 제목: Explainable Artificial Intelligence (XAI) for Material Design and Engineering Applications: A Quantitative Computational Framework
- 저자: Bokai Liu (Umeå University), Pengju Liu (Umeå University), Weizhuo Lu (Umeå University), Thomas Olofsson (Umeå University)
- 학회/저널: International Journal of Mechanical System Dynamics, Volume 5, Issue 2, pp. 236-265
- 발행일: 2025-03-27
- DOI: 10.1002/msd2.70017
- 주요 연구 내용: 데이터 처리, 특징 선택, 모델 학습, 성능 평가, 설명가능성 분석, 클라우드 배포를 포함하는 체계적 ML-XAI 통합 파이프라인 제안
- 주요 결과 및 결론: 고성능 콘크리트(HPC) 압축 강도 예측에서 XGBoost 모델이 R²=0.918로 최고 예측 성능을 달성하였으며, SHAP과 LIME을 통해 특징 중요도 및 재료 상호작용에 대한 상세한 해석 제공
- 기여점: 재료 설계 및 엔지니어링 응용을 위한 정량적 XAI 계산 프레임워크를 제시하고, 클라우드 기반 API 배포까지 포함하는 완전한 워크플로우 구축