유전자 변형 및 비유전자 변형 면실유의 정확한 분류 및 식별을 위해 본 연구에서는 개선된 검은채찍수리 알고리즘을 기반으로 극단적 그래디언트 부스팅(XGBoost) 모델을 최적화한 설명 가능한 분류 모델을 제안하였다. 먼저, 테라헤르츠 시간 영역 분광(THz-TDS) 시스템을 사용하여 유전자 변형 및 비유전자 변형 면실유 샘플의 0.3~1.8 THz 주파수 대역에서 테라헤르츠 흡수 스펙트럼을 수집하였다. 이후 이중 목표 적합도 함수 최적화 전략, 역학습 초기 집단 전략 및 라이베 비행 제어를 위한 레일리 분포 함수 전략을 도입하여 기존 검은채찍수리 알고리즘(BKA)을 개선하였고, 개선된 검은채찍수리 알고리즘(DLBKA)을 이용해 XGBoost 모델의 나무 깊이, 학습률 및 최대 반복 횟수의 이중 목표 하이퍼파라미터 최적화를 수행하여 DLBKA-XGBoost 분류 모델을 구축하였다. 마지막으로 이 모델을 적용하여 유전자 변형 면실유를 식별하고 SHAP 방법을 결합하여 모델 식별 결과에 대한 설명가능성 분석을 수행하였다. 결과에 따르면, 개선된 검은채찍수리 알고리즘이 최적화한 XGBoost 설명 가능 분류 모델은 유전자 변형 및 비유전자 변형 면실유 식별 정확도를 향상시켰을 뿐만 아니라(테스트 세트 정확도가 97.78%에 달하며, 기존 검은채찍수리 알고리즘 최적화 모델 대비 4.45%, 기존 고래 알고리즘(WOA) 최적화 모델 대비 14.45% 향상), 모델에 대한 설명을 제공하여 주요 특징 주파수가 식별 결과에 미치는 긍정적 영향 메커니즘을 명확히 하여 모델의 투명성과 신뢰성을 높였다. 따라서 본 연구는 유전자 변형 면실유 식별을 위한 빠르고 정확한 분석 방법을 제공하며, 다른 유전자 변형 물질의 식별에도 가치 있는 참고 자료가 된다.

테라헤르츠 분광; 유전자 변형 면실유; 극단적 그래디언트 부스팅; 개선된 검은채찍수리 알고리즘; 설명가능성 분석