Feature Selection and its Effects on Prediction of Saturation Magnetic Flux Density of Fe-based Bulk Metallic Glasses

본 연구는 기계학습 기반 소재 설계에서 유전알고리즘을 활용하여 주요 특성인자를 선택함으로써 과대적합을 방지하고 회귀예측 성능을 최적화하는 방법을 제안한다. 벌크금속유리 소재의 조성 데이터를 기반으로 XGB 모델을 적용하여 주요 특성인자를 초기 탐색한 후, 유전알고리즘을 통해 특성인자 수를 최소화하면서도 예측 성능이 유지되도록 최적화하였다. 연구 결과, 156개의 초기 특성인자 중 유전알고리즘을 통해 최종 9개의 특성인자를 선정하였으며, 이는 결정계수 0.933과 낮은 평균제곱근오차를 통해 우수한 성능을 확인하였다. 본 연구는 유전알고리즘이 데이터의 복잡성을 줄이고 기계학습 모델의 예측 성능을 효과적으로 향상시킬 수 있음을 보여준다.