Bu çalışma, LLZO (Li₇La₃Zr₂O₁₂) tabanlı katı elektrolitlerde iyonik iletkenliğin makine öğrenmesi ile tahmin edilmesine odaklanmaktadır. Çalışmada literatürden derlenen veri seti kullanılmış, kategorik değişkenler sayısal forma dönüştürülmüş ve kapsamlı bir veri ön işleme süreci uygulanmıştır.
Modelleme aşamasında doğrusal, doğrusal olmayan ve ağaç tabanlı çok sayıda makine öğrenmesi algoritması değerlendirilmiştir. Tüm modeller GridSearchCV ile optimize edilmiş; tekil modeller arasında yüksek başarı ağaç tabanlı yöntemlerde gözlenirken, en iyi genel performans topluluk öğrenme yaklaşımı ile elde edilmiştir. Bu kapsamda ağırlıklı bir Voting Regressor modeli kurulmuştur.
Ayrıca modelin değişkenler arası ilişkileri daha iyi öğrenebilmesi için ikinci dereceden özellik etkileşimleri de modele dahil edilmiştir. Hata temelli aykırı değer analizi sonucunda en yüksek hataya sahip %5’lik veri dilimi çıkarılmış ve temizlenmiş test veri setinde yaklaşık R² ≈ 0.89 başarım elde edilmiştir.
Elde edilen bulgular, LLZO sistemlerinde iyonik iletkenliğin doğrusal olmayan ve karmaşık etkileşimlere bağlı olduğunu göstermektedir. Çalışma, 3. Bilsel International Erzurum Scientific Research Congress kapsamında sunulmuş olup Ozan ÖNAL tarafından hazırlanmıştır.
Kongre Bilgisi:
3. Bilsel International Erzurum Scientific Research Congress
25–26 April 2026, Erzurum/Türkiye
Yazarlar:
Dr. Ozan ÖNAL
Yayıncı:
BİLSEL YAYINCILIK