O 1s XPS 결합 에너지는 무기 재료 내 산소 화학 환경을 식별하는 핵심 지표로, 신에너지, 촉매 및 합성 모니터링 등 분야에서 널리 사용되지만, 시스템 간 피크 위치 확인은 여전히 많은 검증 실험에 의존한다. 본 논문은 산소를 포함한 514개 무기 화합물의 O 1s 결합 에너지 데이터를 바탕으로 화학식 입력만을 사용하는 조성 기반 머신러닝 예측 프레임워크를 구축하여 실험 전 저비용 피크 위치 예측과 경향 판단에 활용한다. 원시 조성 지표 하에서, 그래디언트 부스팅 회귀(GB) 모델 테스트의 평균 절대 오차(MAE)는 0.505 eV이다. 양이온 장 세기, 전이 금속 비율 등 물리적 영감 지표 도입 후 MAE는 0.481 eV로 감소했으며, 결정 계수 R²는 0.716로 상승했고, 평균 양이온 반경이 주요 변수로 확인되었으며 Ca₁₄Mg₅M₄O₂₅ (M=Al, Sc, Y) XPS 실험 결과도 이를 뒷받침한다. 염/산화물 쌍 시스템에서 모델은 상대 화학적 이동 예측에서 MAE=0.339 eV 및 R²=0.822를 달성했다. 이 방법은 복잡한 산소 함유 무기 재료 XPS 분석에 저비용이고 해석 가능한 보조 참고 자료를 제공할 수 있다.

친환경 고효율 분석;X선 광전자 분광법;화학 이동;머신러닝;조성 지표