<![CDATA[Penelitian ini mengevaluasi dan membandingkan efektivitas berbagai model regresi ensemble dalam memprediksi Corrosion Inhibition Efficiency (CIE) dari senyawa N-heterosiklik. Model-model yang dievaluasi adalah Extra Trees Regressor, Random Forest Regressor, Light Gradient Boosting Regressor, Gradient Boosting Regressor, Extreme Gradient Boosting Regressor, Adaptive Boosting Regressor, Bagging Regressor, dan Categorical Boosting Regressor, menggunakan fitur molekul seperti highest occupied molecular orbital (HOMO), lowest unoccupied molecular orbital (LUMO), celah energi (Delta E), momen dipol (mu), potensi ionisasi (I), afinitas elektron (A), keelektronegatifan (chi), kekerasan global (eta), kelembutan global (sigma), elektrofilisitas (omega), dan fraksi elektron yang ditransfer (Delta N). Di antara model yang dievaluasi, Extreme Gradient Boosting Regressor memberikan kinerja terbaik, dengan skor R-squared (R2) tertinggi sebesar 0.9776. Temuan ini menunjukkan efektivitas model ensemble dalam meningkatkan akurasi prediksi inhibisi korosi dan pentingnya pembelajaran mesin dalam mengembangkan inhibitor korosi yang lebih baik.]]>
Copyrights © 2025
