본 논문은 재료의 특성 최적화를 위한 설계 과정에서 다양한 구성 조합 탐색의 어려움을 해결하기 위해 텐서 완성(Tensor Completion) 기법을 활용한 머신러닝 모델을 제시합니다. 다양한 재료 특성 예측 과정에서 실험을 통해 기존의 GradientBoosting, Multilayer Perceptron (MLP) 모델에 비해 10-20%의 오차 감소를 달성하며, 유사한 학습 속도를 유지함을 보여줍니다. 이는 재료의 구성 요소 조합에 따른 특성 예측 문제를 텐서 구조를 이용하여 효율적으로 모델링함으로써, 방대한 조합 탐색의 어려움을 극복하는 데 성공한 것을 의미합니다.
