---
type: paper
slug: yeram-kim-2023-chemistry-informed-gas-classification
title: >-
  Chemistry-informed machine learning: Using chemical property features to
  improve gas classification performance
authors:
  - '[[yeram-kim]]'
  - '[[chiehyeon-lim]]'
  - '[[junghyelee]]'
  - '[[sungil-kim]]'
  - '[[sewon-kim]]'
  - '[[dong-hwa-seo]]'
year: 2023
venue: '[[chemometrics-and-intelligent-laboratory-systems]]'
volume: '237'
pages: '104808'
doi: 10.1016/j.chemolab.2023.104808
categories:
  - '[[chemometrics]]'
  - '[[machine-learning]]'
methods:
  - '[[chemistry-informed-ml]]'
  - '[[feature-engineering]]'
  - '[[lightgbm]]'
  - '[[random-forest]]'
  - '[[shap]]'
themes:
  - '[[gas-classification]]'
  - '[[gas-sensor]]'
  - '[[domain-knowledge-ml]]'
  - '[[mox-sensor]]'
  - '[[bond-dissociation-energy]]'
aliases: []
last_updated: '2026-05-17T21:30:00+09:00'
---
# Chemistry-informed machine learning: Using chemical property features to improve gas classification performance

*[[yeram-kim]], [[chiehyeon-lim]], [[junghyelee]], [[sungil-kim]], [[sewon-kim]], [[dong-hwa-seo]] (2023)* · [[chemometrics-and-intelligent-laboratory-systems]] 237:104808 · [DOI ↗](https://doi.org/10.1016/j.chemolab.2023.104808)

> *Chemistry-informed ML* 은 가스 sensor selectivity 를 결정하는 *분자 chemical property* (bond dissociation energy, molar mass function, electron donation effect, ionization potential, sulfur 함량) 를 sensor 응답에서 *예측* 한 뒤 raw response 와 *concatenate* 해 classification 에 투입한다. 2-module framework — Module 1 (sensor → chemical property regression/classification), Module 2 (raw + predicted property → gas class). 3 dataset (UCI twin · UCI turbulent · Taesung 실험실) 모두에서 best F1 score 가 raw-only baseline 대비 개선. UCI twin dataset 에서 elastic net + concatenated feature 가 F1 **0.910**, turbulent dataset 에서는 SVC + concatenated 가 CO 0.946 / ethylene 0.972 / methane 0.930. SHAP 분석으로 molar mass function · BDE · EDE 가 top contributing feature 임을 확인.

- **RQ**: 가스 sensor 의 *raw response* 만으로는 sensor selectivity 를 결정하는 *unobservable chemical property* 정보가 누락되어 분류 성능이 한계. Domain knowledge 기반 *chemical property feature* 를 ML 에 통합하면 (a) 어떤 property 가 어느 dataset 에서 영향력 있는가? (b) raw + predicted property concatenation 이 raw-only / raw + random noise baseline 대비 얼마나 향상하는가?
- **방법론**: 2-module [[chemistry-informed-ml]] framework. Module 1 = [[lightgbm]] regressor (continuous property) 또는 [[random-forest]] classifier (binary property), Module 2 = 6종 classifier (elastic net, RF, extra trees, LightGBM, KNN, SVC). Bayesian hyperparameter tuning + 3-fold CV. [[shap]] 으로 feature contribution 해석. Baseline 비교: raw-only, raw + random Gaussian noise concatenation.
- **데이터**: (i) **Gas dataset 1** (UCI twin, Fonollosa et al. 2016) — 8 MOX sensor, 640 sample, 4 target (ethylene · ethanol · CO · methane). (ii) **Gas dataset 2** (UCI turbulent, Fonollosa et al. 2014) — 8 MOX sensor, 180 sample, 3 target (CO · methane · ethylene 의 turbulent mixture). (iii) **Gas dataset 3** (Taesung TSEI) — MOX 2 + electrochemical 5 + PID 1 = 7 sensor, 104 sample, 3 target (toluene · butyl acetate · dimethyl sulfide). Train/test = 75/25, 100 random repeat
- **주요 발견**: (i) **UCI twin (dataset 1)**: raw + $\widehat{X}_c$ concatenation 이 6 분류기 중 5 개에서 raw-only 우월. 최고 평균 F1 = **0.910** (elastic net). (ii) **UCI turbulent (dataset 2)**: 3 binary task 모두 best 가 $h(X_{s+\widehat{c}})$ — CO **0.946** (SVC), ethylene **0.972** (SVC), methane **0.930** (RF). (iii) **Taesung (dataset 3)**: butyl acetate **0.791** (extra trees), dimethyl sulfide **0.852** (extra trees), toluene **0.829** (LightGBM). 모두 raw-only baseline + random noise baseline 보다 우월. (iv) **SHAP top contributor**: dataset 1 에서 molar mass function `1/sqrt(M)` 가 1st, EDE 3rd, BDE 4th — chemical property feature 가 raw sensor response 보다 더 informative. dataset 3 에서 sulfur/sulfide indicator 가 모든 task 에 핵심 (dimethyl sulfide 검출 핵심).
- **시사점**: (a) Physics-informed ML 의 *chemistry 변종* — domain expert 가 sensor 응답의 *physical 근거* (BDE 가 redox reaction kinetic 결정, molar mass 가 adsorption rate 결정) 를 ML feature 로 명시화. (b) Small-sample regime 에서 *external scientific knowledge 의 명시적 통합* 이 representation learning 보다 효율적일 수 있다 — [[yongkyung-oh-2024-multichannel-cnn-gas]] 의 *순수 데이터 기반* 접근과 직교 보완. (c) e-nose (식품 보관·산업 안전·의료 진단) 의 실배포 framework — domain knowledge 통합으로 *작은 training data + 새 gas 변종* 에서도 일반화 가능.

![2-module chemistry-informed ML framework. Module 1 (sensor response → predicted chemical property regression/classification) + Module 2 (raw + predicted property concatenation → final gas class classification).](/papers/202306_KimY_Chemistry_informed_machine_learning_Using_chemical_property_features_to_improve_gas_classification_performance/fig2.png)

## 요약

본 paper 는 [[junghyelee]] 의 *제3기 SNU TEMEP 화학계량학 라인* 의 핵심 작업으로, UNIST 산업공학 [[chiehyeon-lim]] (main supervisor) · 1 저자 [[yeram-kim]] · [[sungil-kim]] · UNIST 에너지공학 [[dong-hwa-seo]] (validation, 화학 도메인) · Taesung Environmental Research Institute [[sewon-kim]] (data curator) 6 인 협업. 자매 [[yongkyung-oh-2024-multichannel-cnn-gas]] 와 *같은 도메인 (혼합 가스 분류) 의 직교 접근* — multichannel CNN 이 *순수 representation learning* 이라면 본 paper 는 *domain knowledge (chemistry) 의 명시적 ML 통합*.

기존 ML 접근의 한계는 *sensor 응답의 정보 손실* — sensor 신호는 *concentration × chemical property × external factor + noise* 의 결합 출력으로, *chemical property* 자체는 *unobservable* 이라 raw response 만으로는 학습이 어렵다. Karniadakis et al. (2021) 의 *physics-informed neural network* 가 PDE 형태의 governing law 를 loss regularizer 로 넣지만, gas sensor 의 chemical reaction 은 PDE 로 정식화하기 어렵다. 본 paper 의 해결책은 — Module 1 에서 *raw response → chemical property 회귀/분류* 로 unobservable 변수를 예측한 뒤, Module 2 에서 *raw + predicted property concatenation* 으로 final classification.

방법론 핵심은 *5 chemical property 의 도메인 식별 + ML 통합*. (i) **Bond dissociation energy (BDE)** — redox reaction kinetic 결정, $p_{BDE} = 1/\text{BDE}$ 정의. (ii) **Molar mass function $M^{-1/2}$** — Langmuir adsorption kinetic 에서 도출, saturation curve 의 exponential coefficient $\alpha_s$ 와 강한 상관. (iii) **Electron donation effect (EDE)** — gas 분자당 방출 전자 수, sensor 응답 강도 직접 결정. (iv) **Ionization potential (IP)** — PID sensor 의 selectivity, 10.6 eV UV 광원 미만 IP 가스 검출 가능 여부 binary indicator. (v) **Sulfur/sulfide concentration (SUL)** — electrochemical sensor 의 dimethyl sulfide 특이 검출. Continuous property (BDE · molar mass · EDE) → LightGBM regression, discrete property (IP · SUL) → random forest classification. Module 2 도 6 분류기 비교.

발견은 세 layer. (a) **분류 성능 우월** — 3 dataset 모두에서 $h(X_{s+\widehat{c}})$ 가 raw-only $h(X_s)$ 와 random concatenation $h(X_{s+random})$ 보다 평균 F1 우위. UCI twin dataset best F1 0.910, turbulent dataset 의 SVC + concatenated 가 ethylene 0.972 까지. (b) **SHAP 해석** — molar mass function 이 dataset 1 에서 1st contributor, BDE/EDE 가 turbulent dataset 의 각 target gas 분류에 chemistry 와 일치하는 ordering (CO 의 highest BDE/lowest EDE → BDE·EDE 가 CO 분류 top, ethylene 의 highest EDE → EDE 가 ethylene 분류 top, methane 의 lowest BDE → BDE 가 methane 분류 top). Domain knowledge 가 *interpretable + 효율적 feature* 동시 달성. (c) **일반화 가능성** — framework 가 chemical sensor 외 *domain knowledge 활용 가능 모든 분류* (biosensor, electronic tongue, chromatographic analysis, food spoilage detection) 에 확장 가능. 한계: (i) Module 1 과 2 가 *separate* training — joint end-to-end 미적용, (ii) classification 에 한정 (regression task 미검증), (iii) 시계열 contrastive learning 와의 결합 미수행.

## 핵심 결과

**3 dataset best F1 score (raw + predicted chemical property concatenation, 100 repeat 평균)**

| Dataset | Target gas | Best classifier | F1 ($X_{s+\widehat{c}}$) |
|---|---|---|---:|
| UCI twin (gas 1) | 4-class | Elastic net | **0.910** |
| UCI turbulent (gas 2) | CO | SVC | **0.946** |
| UCI turbulent | Ethylene | SVC | **0.972** |
| UCI turbulent | Methane | Random forest | **0.930** |
| Taesung (gas 3) | Butyl acetate | Extra trees | **0.791** |
| Taesung | Dimethyl sulfide | Extra trees | **0.852** |
| Taesung | Toluene | LightGBM | **0.829** |

**SHAP top contributor (UCI twin, elastic net + $X_{s+\widehat{c}}$)**

| Rank | Feature | 역할 |
|---|---|---|
| 1 | Molar mass function `1/sqrt(M)` | Langmuir adsorption kinetic |
| 3 | EDE (electron donation effect) | 방출 전자 수 |
| 4 | BDE (bond dissociation energy) | Redox reaction kinetic |

> **정량 결론.** Chemistry-informed concatenation 이 6/6 Module 2 task 에서 raw-only 우월. SHAP 가 *chemistry 기반 ordering* (target gas 별 BDE/EDE 의 직접 mapping) 을 확인 — feature 가 단순 noise 가 아니라 *domain-meaningful predictor*.

## 방법론 노트

Module 1 의 regression 형식 (continuous property):

$$
X_c = CP^T = g(X_s | \theta_g) + \varepsilon
$$

여기서 $X_c \in \mathbb{R}^{n \times l}$ 는 chemical property matrix, $C$ 는 concentration, $P$ 는 unit-property matrix. Loss = MSE:

$$
L_{MSE, j} = \frac{1}{n_{train}} \sum_{k=1}^{n_{train}} (x_{c,k,j} - \widehat{x}_{c,k,j})^2
$$

Module 1 의 classification 형식 (binary property, IP/SUL):

$$
L_{CE, j} = -\sum_{k=1}^{n_{train}} x_{c,k,j} \log(\widehat{x}_{c,k,j})
$$

Module 2 는 raw response 와 *predicted* property concatenation:

$$
X_{s+\widehat{c}} = [x_{s,1,test}, \ldots, x_{s,m,test}, \widehat{x}_{c,1,test}, \ldots, \widehat{x}_{c,l,test}] \in \mathbb{R}^{n_{test} \times (m+l)}
$$

최종 분류 $\widehat{y} = h(X_{s+\widehat{c}} | \theta_h^*)$. 식별 가정: (i) chemical property 가 sensor response 로 *예측 가능* (Module 1 의 $R^2 > 0$), (ii) predicted property 가 raw response 가 capture 못한 *추가 정보* 보유, (iii) domain expert 가 sensor selectivity 와 chemically 연관된 property 를 *사전 선택* 가능. Robust scaling (Q1/Q2/Q3) 으로 sensor drift 정규화, Bayesian hyperparameter tuning 으로 over-fitting 회피.

## 연구 계보

본 paper 의 직접적 predecessor 는 세 라인. (i) **Physics-informed ML 의 chemistry 변종** — Karniadakis et al. (2021, *Nat. Rev. Phys.*) 의 physics-informed neural network 정통, Zhang et al. (2022) 의 alkali-activated material 강도 예측, Shih et al. (2022) 의 glass property 예측. 본 paper 는 PDE 기반 regularization 대신 *property prediction → concatenation* 의 modular 변형. (ii) **Gas sensor + ML literature** — Pardo et al. (2005), Cho et al. (2020), Krivetskiy et al. (2021), Acharyya et al. (2020-2021), Wang et al. (2019) 의 conventional feature engineering. 본 paper 는 *raw feature 극대화* 가 아니라 *feature 확장* 의 새 방향. (iii) **MOX sensor 화학** — Mirzaei et al. (2019, BDE), Rai-Yu (2012, EDE), Nallon et al. (2016, molar mass + saturation curve) — domain knowledge 의 ML feature 원천.

[[junghyelee]] 의 *연구 궤적* 안에서 본 paper 는 *제3기 SNU TEMEP 화학계량학 + 도메인 통합 라인* 의 anchor 다. [[junghye-lee-2015-kernel-nir-calibration]] (NIR 분광 + kernel statistics) 의 화학 도메인 직접 후속이며, [[yongkyung-oh-2024-multichannel-cnn-gas]] (multichannel CNN) 와 *gas mixture classification 자매 페어* — 두 paper 는 같은 UCI + Taesung dataset 에서 *domain knowledge 명시 통합* (본 paper) vs *순수 representation learning* ([[yongkyung-oh-2024-multichannel-cnn-gas]]) 의 직교 접근으로 동일 문제를 분담. UNIST 산업공학 [[sungil-kim]] · [[chiehyeon-lim]] 그룹과의 협업 라인이 [[junghyelee]] author page 의 *제3기 핵심 외부 협력자* 로 기록.

## See also

- [[junghyelee]]
- [[yeram-kim]]
- [[chiehyeon-lim]]
- [[sungil-kim]]
- [[chemistry-informed-ml]]
- [[lightgbm]]
- [[random-forest]]
- [[shap]]
- [[gas-classification]]
- [[gas-sensor]]
- [[mox-sensor]]
- [[domain-knowledge-ml]]
- [[chemometrics-and-intelligent-laboratory-systems]]
- [[yongkyung-oh-2024-multichannel-cnn-gas]]
- [[junghye-lee-2015-kernel-nir-calibration]]