본 논문은 재료의 특성 최적화를 위한 설계 과정에서 다양한 가능한 구성을 탐색해야 하는 문제를 다룬다. 특히, 재료의 원소 조합이 강도나 전도도와 같은 특성에 영향을 미치기 때문에, 최적의 재료를 찾기 위해 모든 원소 조합을 탐색하는 것은 매우 시간이 많이 걸린다. 따라서 본 논문에서는 머신러닝(ML)을 이용하여 재료의 특성을 예측하는 방법을 제시한다. 구체적으로, 다양한 재료 특성 예측 작업에서 텐서 완성(tensor completion) 방법을 사용하여 데이터셋의 구조를 활용하고 방대한 재료 구성 조합을 탐색한다. 실험 결과, 텐서 완성 방법은 GradientBoosting 및 다층 퍼셉트론(MLP)과 같은 기준 ML 모델에 비해 오류를 10-20% 줄이는 동시에 유사한 훈련 속도를 유지하는 것으로 나타났다.
