Рамка машинного обучения с постфактум объяснимостью для прогнозирования прочности геополимерного пастообразного материала, активируемого механохимически

🧪 Исследование посвящено прогнозированию прочности геополимерной пасты, активируемой механохимически. Такая задача относится к испытаниям строительных материалов: вместо большого числа лабораторных серий авторы предлагают использовать модели машинного обучения для оценки прочности по составу и параметрам твердения. Суть подхода: в работе заявлена рамка машинного обучения с постфактум объяснимостью. Среди методов указаны опорные векторы и бустинг — то есть модели не только строят прогноз, но и затем интерпретируются через объясняющие процедуры, чтобы понять вклад факторов: геополимерного состава, условий твердения и связанных технологических параметров. Научная новизна — связка прогнозной модели и объяснимости для механохимически активированных геополимеров, где важно не просто получить число прочности, а связать его с физико-химическими факторами. Ограничение: по аннотации не видны размер выборки, точность моделей и диапазон применимости, поэтому практическую надежность нужно оценивать по полной статье.