O 1s XPS結合エネルギーは無機材料中の酸素化学環境を識別するための核心的指標であり、新エネルギー、触媒、合成モニタリングなどの分野で広く応用されているが、異なる体系間でのピーク位置の同定は依然として多数の検証実験に依存している。本論文は、酸素を含む514種の無機化合物のO 1s結合エネルギーデータに基づき、化学式入力のみを用いた組成駆動型機械学習予測フレームワークを構築し、実験前の低コストなピーク位置予測と傾向判断に用いる。元の組成記述子のもとで、勾配ブースティング回帰（GB）モデルのテスト平均絶対誤差（MAE）は0.505 eVであった。カチオン場強、遷移金属比などの物理指標を導入したことでMAEは0.481 eVに低減し、決定係数 R² は0.716に向上し、平均カチオン半径が主要変数として同定され、Ca₁₄Mg₅M₄O₂₅（M=Al、Sc、Y）のXPS実験結果がこれを支持した。塩/酸化物ペア系においてモデルは相対化学シフトの予測でMAE=0.339 eVおよびR²=0.822を達成した。本手法は複雑な酸素含有無機材料のXPS解析に低コストで解釈可能な補助的参考を提供できる。

グリーン高効率分析;X線光電子分光法;化学シフト;機械学習;組成記述子