맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

유기화합물의 자연발화온도를 예측하는 QSPR 방법(QSPR Method for Predicting Autoignition Temperature of Organic Compound)

  • 기술번호 : KST2016019814
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 유기화합물의 자연발화온도를 예측하는 QSPR 방법에 관한 것으로서, 보다 구체적으로 다수의 화합물 중 자연발화온도 실험 데이터를 얻을 수 있는 유기화합물을 수집하여 상기 화합물의 2차원 화학구조를 입력하고, 상기 화합물의 2차원 구조로부터 화합물의 물리화학적 특성을 표현하는 공통 분자 표현자를 선별한 후, 상기 선별된 공통 분자 표현자를 이용하여 자연발화온도 예측 모델을 수립하는 유기화합물의 자연발화온도를 예측하는 QSPR 방법에 관한 것이다. 본 발명에 따른 유기화합물의 자연발화온도를 예측하는 QSPR 방법에 따르면, 2차원 분자 구조 데이터만으로 높은 정확도의 자연발화온도 값을 이론적으로 예측할 수 있으므로, 실험에 드는 비용과 시간을 절감해주고, 실험적으로 자연발화온도 값을 얻기 불가능한 분자들에 대해서도 그 값을 짐작할 수 있게 해준다. 결과적으로 본 발명을 통해 화학 산업분야의 안정성을 높이는데 큰 도움을 줄 수 있다. 또한 예측 모델에 사용된 분자 표현자를 이용하여 다양한 유기화합물의 자연발화온도에 대한 특성 및 반응 메커니즘의 관련성에 대한 분석을 진행할 수 있고, 모델에 사용되는 기계학습 방법은 다양한 분자 표현자를 독립변수로 사용한 통계학적 함수로 표현할 수 있으므로, 독립변수간의 상관관계 표현을 통하여 예측하고자 하는 물질과 변수의 관계를 복합적으로 파악할 수 있다.
Int. CL G06F 19/00 (2011.01) G01N 25/20 (2006.01)
CPC G16C 20/30(2013.01)G16C 20/30(2013.01)
출원번호/일자 1020150070397 (2015.05.20)
출원인 한남대학교 산학협력단, 주식회사 이큐스앤자루
등록번호/일자
공개번호/일자 10-2016-0136630 (2016.11.30) 문서열기
공고번호/일자 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2015.05.20)
심사청구항수 8

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한남대학교 산학협력단 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 문윤정 대한민국 경상북도 김천시 부곡길 ***
2 이성광 대한민국 대전광역시 유성구
3 윤정혁 대한민국 경기도 용인시 기흥구
4 김한조 대한민국 서울특별시 구로구
5 이종혁 대한민국 대전광역시 동구
6 박한웅 대한민국 대전광역시 동구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인 아이퍼스 대한민국 서울특별시 강남구 삼성로**길*, *층(대치동 삼성빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한남대학교 산학협력단 대한민국 대전광역시 유성구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2015.05.20 수리 (Accepted) 1-1-2015-0484115-81
2 [출원서등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2015.05.21 수리 (Accepted) 1-1-2015-0486710-84
3 선행기술조사의뢰서
Request for Prior Art Search		 2016.01.12 수리 (Accepted) 9-1-9999-9999999-89
4 선행기술조사보고서
Report of Prior Art Search		 2016.02.05 수리 (Accepted) 9-1-2016-0008186-68
5 의견제출통지서
Notification of reason for refusal		 2017.03.16 발송처리완료 (Completion of Transmission) 9-5-2017-0192949-31
6 [출원인변경]권리관계변경신고서
[Change of Applicant] Report on Change of Proprietary Status		 2017.03.24 수리 (Accepted) 1-1-2017-0293612-16
7 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2017.03.27 수리 (Accepted) 4-1-2017-5046930-79
8 [지정기간연장]기간연장(단축, 경과구제)신청서
[Designated Period Extension] Application of Period Extension(Reduction, Progress relief)		 2017.05.10 수리 (Accepted) 1-1-2017-0443170-56
9 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2017.05.12 1-1-2017-0451878-05
10 면담 결과 기록서
 2017.06.02 발송처리완료 (Completion of Transmission) 9-6-2017-0080196-98
11 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2017.06.08 수리 (Accepted) 1-1-2017-0547491-13
12 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2017.06.08 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2017-0547533-32
13 등록결정서
Decision to grant		 2017.06.26 발송처리완료 (Completion of Transmission) 9-5-2017-0444619-79
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
컴퓨터 시스템에서 구현되는 유기화합물의 자연발화온도를 예측하는 QSPR 방법에 있어서,자연발화온도를 가지는 다수의 화합물 중에서 자연발화온도 실험 데이터를 얻을 수 있는 유기화합물을 수집하는 단계;상기 수집된 유기화합물로부터 화합물의 물리화학적 특성을 표현하는 공통 인자를 선별한 후, 상기 선별된 공통 인자를 이용하여 유기화합물의 자연발화온도를 예측할 수 있는 자연발화온도 예측 모델을 수립하는 단계를 포함하되,상기 자연발화온도 예측 모델을 수립하는 단계는,상기 수집된 유기화합물, 상기 수집된 유기화합물의 자연발화온도 실험 데이터 및 유기화합물의 구조를 입력하는 화합물 입력 단계;상기 입력된 유기화합물 구조에 대한 다수의 분자 표현자를 생성하는 분자 표현자 생성 단계;상기 수집된 유기화합물을, 자연발화온도 예측 모델을 수립하기 위하여 사용되는 외부 훈련데이터와 상기 자연발화온도 예측 모델을 검증하기 위하여 사용되는 외부 검증데이터로 임의로 분류하는 데이터 분류 단계;상기 외부 훈련데이터 내 화합물에 대한 다수의 분자 표현자 중 화합물의 물리화학적 특성을 표현하는 공통 분자 표현자를 선별하고, 기계학습법을 이용하여 예측 모델을 도출하는 개별 예측 모델 개발 단계;상기 도출된 개별 예측 모델의 내부 검증을 통해 최적의 개별 예측 모델을 선별하는 내부 검증 단계; 및상기 선별된 최적의 개별 예측 모델을 복수 개 조합하여 복합 예측 모델(Consensus model)을 개발하는 복합 예측 모델 개발 단계를 포함하고,상기 개별 예측 모델 개발 단계는,상기 외부 훈련데이터 내 화합물에 대한 다수의 분자 표현자 둥 변별력이 없는 분자 표현자, 의미가 중복되는 분자 표현자 및 자연발화온도와 상관성이 낮은 분자 표현자를 제거하는 분자 표현자 제거 단계;상기 분자 표현자 제거 단계에 의하여 일부 분자 표현자가 제거된 상기 외부 훈련데이터 내 화합물을, 중복을 허용하는 부트스트랩(Bootstrap) 샘플링을 이용하여 내부 훈련데이터와 내부 검증데이터로 분류하는 내부 데이터 분류 단계;상기 내부 훈련데이터 내 화합물에 대한 다수의 분자 표현자 중, 전진 선택(Forward selection) 방법을 이용하여 분자 표현자를 선별하는 표현자 전진 선택 단계;기계학습법을 이용하여 상기 선별된 분자 표현자를 포함하는 화합물의 자연발화온도 계산식 모델을 결정하는 기계학습 단계;상기 결정된 화합물의 자연발화온도 계산식 모델에 상기 내부 검증데이터 내 화합물을 적용하여 도출한 화합물의 자연발화온도 계산치 및 상기 내부 검증데이터 내 화합물의 자연발화온도 실험치를 이용하여, 상기 계산치와 상기 실험치의 오차값을 도출하는 오차값 도출 단계;상기 오차값을 상기 표현자 전진선택 단계에서 선별된 다른 분자 표현자를 포함하는 화합물의 자연발화온도 계산식 모델에 상기 내부 검증데이터 내 화합물을 적용하여 도출된 구 오차값과 비교하는 오차값 비교 단계; 및상기 오차값이 상기 구 오차값 미만인 경우, 상기 오차값을 도출하는 분자 표현자 및 이를 포함하는 자연발화온도 계산식 모델을 최적 개별 예측 모델로 선별하는 모델 최적화 단계를 포함하고,상기 표현자 전진선택 단계에서,상기 기계학습법 중 다중선형회귀(MLR: Multiple Linear Regression) 방식에 의하여 결정되는 화합물의 자연발화온도 계산식 모델에 포함될 분자 표현자는,(a) 분자 내의 이중결합의 수(No_double_bonds); (b) 회전 가능한 결합의 비율(Fraction_of_Rotatable_bonds); (c) 분자 내의 탄소, 산소 사이의 이중결합의 수(No_CdO); (d) 분자 내의 탄소, 할로겐 원자 사이의 단일결합의 수(No_CsX); (e) 분자 내의 삼차 아미노 그룹의 수(No_amino_groups_tertiary); (f) 분자 내의 알데하이드 그룹의 수(No_aldehyde_groups); (g) 전체 VDW 표면적에 대한 소수성 포화 원자들의 표면적 비율(Fraction_of_2D_VSA_hydrophobic_sat); (h) 단일결합-단일결합-CH2 타입의 모든 원자들의 E-state값의 합(E_state_SssCH2); (i) Kier-Hall 분자연결지수로 수소원자를 제외한 분자구조에서 모든 원자에 대하여 한 원자와 연결된 3개의 원자의 결합원자수 곱에 대한 제곱근의 합으로 표현한 Chi3cluster지수(Chi3cluster); 및 (j) 분자 내에서 결합되어 있는 원자쌍의 부분전하 차이의 평균치(Local_dipole_index)로 선별되는 것을 특징으로 하는 컴퓨터 시스템에서 구현되는 유기화합물의 자연발화온도를 예측하는 QSPR 방법
2 2
삭제
3 3
삭제
4 4
삭제
5 5
제1항에 있어서,상기 기계학습 단계에서,상기 선별된 10개의 분자 표현자를 포함하여 다중선형회귀(MLR: Multiple Linear Regression) 방식에 의하여 결정되는 화합물의 자연발화온도 계산식 모델은AIT(℃)= -27
6 6
컴퓨터 시스템에서 구현되는 유기화합물의 자연발화온도를 예측하는 QSPR 방법에 있어서,자연발화온도를 가지는 다수의 화합물 중에서 자연발화온도 실험 데이터를 얻을 수 있는 유기화합물을 수집하는 단계;상기 수집된 유기화합물로부터 화합물의 물리화학적 특성을 표현하는 공통 인자를 선별한 후, 상기 선별된 공통 인자를 이용하여 유기화합물의 자연발화온도를 예측할 수 있는 자연발화온도 예측 모델을 수립하는 단계를 포함하되,상기 자연발화온도 예측 모델을 수립하는 단계는,상기 수집된 유기화합물, 상기 수집된 유기화합물의 자연발화온도 실험 데이터 및 유기화합물의 구조를 입력하는 화합물 입력 단계;상기 입력된 유기화합물 구조에 대한 다수의 분자 표현자를 생성하는 분자 표현자 생성 단계;상기 수집된 유기화합물을, 자연발화온도 예측 모델을 수립하기 위하여 사용되는 외부 훈련데이터와 상기 자연발화온도 예측 모델을 검증하기 위하여 사용되는 외부 검증데이터로 임의로 분류하는 데이터 분류 단계;상기 외부 훈련데이터 내 화합물에 대한 다수의 분자 표현자 중 화합물의 물리화학적 특성을 표현하는 공통 분자 표현자를 선별하고, 기계학습법을 이용하여 예측 모델을 도출하는 개별 예측 모델 개발 단계;상기 도출된 개별 예측 모델의 내부 검증을 통해 최적의 개별 예측 모델을 선별하는 내부 검증 단계; 및상기 선별된 최적의 개별 예측 모델을 복수 개 조합하여 복합 예측 모델(Consensus model)을 개발하는 복합 예측 모델 개발 단계를 포함하고,상기 개별 예측 모델 개발 단계는,상기 외부 훈련데이터 내 화합물에 대한 다수의 분자 표현자 둥 변별력이 없는 분자 표현자, 의미가 중복되는 분자 표현자 및 자연발화온도와 상관성이 낮은 분자 표현자를 제거하는 분자 표현자 제거 단계;상기 분자 표현자 제거 단계에 의하여 일부 분자 표현자가 제거된 상기 외부 훈련데이터 내 화합물을, 중복을 허용하는 부트스트랩(Bootstrap) 샘플링을 이용하여 내부 훈련데이터와 내부 검증데이터로 분류하는 내부 데이터 분류 단계;상기 내부 훈련데이터 내 화합물에 대한 다수의 분자 표현자 중, 전진 선택(Forward selection) 방법을 이용하여 분자 표현자를 선별하는 표현자 전진 선택 단계;기계학습법을 이용하여 상기 선별된 분자 표현자를 포함하는 화합물의 자연발화온도 계산식 모델을 결정하는 기계학습 단계;상기 결정된 화합물의 자연발화온도 계산식 모델에 상기 내부 검증데이터 내 화합물을 적용하여 도출한 화합물의 자연발화온도 계산치 및 상기 내부 검증데이터 내 화합물의 자연발화온도 실험치를 이용하여, 상기 계산치와 상기 실험치의 오차값을 도출하는 오차값 도출 단계;상기 오차값을 상기 표현자 전진선택 단계에서 선별된 다른 분자 표현자를 포함하는 화합물의 자연발화온도 계산식 모델에 상기 내부 검증데이터 내 화합물을 적용하여 도출된 구 오차값과 비교하는 오차값 비교 단계; 및상기 오차값이 상기 구 오차값 미만인 경우, 상기 오차값을 도출하는 분자 표현자 및 이를 포함하는 자연발화온도 계산식 모델을 최적 개별 예측 모델로 선별하는 모델 최적화 단계를 포함하고,상기 표현자 전진선택 단계에서,상기 기계학습법 중 서포트벡터머신(SVM : Support Vector Machine) 방식에 의하여 결정되는 화합물의 자연발화온도 계산식 모델에 포함될 분자 표현자는,(a) 분자 내의 탄소, 산소 사이의 이중결합의 수(No_CdO); (b) 분자 내의 탄소, 할로겐 원자 사이의 단일결합의 수(No_CsX); (c) 분자 내의 6각 고리의 수(No_ring_06); (d) 분자 내의 에테르 그룹의 수(No_ether_groups); (e) 분자 내의 알데하이드 그룹의 수(No_aldehyde_groups); (f) 단일결합-CH3 타입의 모든 원자들의 E-state값의 합(E_state_SsCH3); (g) 단일결합-단일결합-CH2 타입의 모든 원자들의 E-state값의 합(E_state_SssCH2); (h) Kier-Hall 분자연결지수로 수소원자를 제외한 분자구조에서 모든 원자에 대하여 한 원자와 연결된 3개의 원자의 각각 결합원자수 곱에 대한 제곱근의 합으로 표현한 Chi3cluster지수(Chi3cluster); (i) Kier-Hall 원자가연결지수로 수소원자를 제외한 분자구조에서 한 원자와 연결된 2개의 원자 그리고 그 중 한 원자에 연결된 원자들의 각각 결합원자수 곱에 대한 제곱근의 합으로 표현된 VChi4path_cluster지수(VChi4path_cluster);(j) 분자 내 경로의 수로 9개의 원자가 길게 연달아 연결된 경로의 수(SC9path); (k) 분자 내에 소수성 원자와 수소결합받게 원자 사이의 결합거리가 1인 부분의 유무(CATS_binary_Hyd_Acc_01); 및 (l) 분자 내에 소수성 원자와 양전하를 지닌 원자 사이의 결합거리가 1인 부분의 유무(CATS_binary_Hyd_Pos_01)로 선별되는 것을 특징으로 하는 컴퓨터 시스템에서 구현되는 유기화합물의 자연발화온도를 예측하는 QSPR 방법
7 7
제6항에 있어서,상기 기계학습 단계에서,상기 선별된 12개의 분자 표현자를 포함하여 서포트벡터머신(SVM : Support Vector Machine) 방식에 의하여 결정되는 화합물의 자연발화온도 계산식 모델의 매개 변수 조건은 C = 100;γ = 0
8 8
컴퓨터 시스템에서 구현되는 유기화합물의 자연발화온도를 예측하는 QSPR 방법에 있어서,자연발화온도를 가지는 다수의 화합물 중에서 자연발화온도 실험 데이터를 얻을 수 있는 유기화합물을 수집하는 단계;상기 수집된 유기화합물로부터 화합물의 물리화학적 특성을 표현하는 공통 인자를 선별한 후, 상기 선별된 공통 인자를 이용하여 유기화합물의 자연발화온도를 예측할 수 있는 자연발화온도 예측 모델을 수립하는 단계를 포함하되,상기 자연발화온도 예측 모델을 수립하는 단계는,상기 수집된 유기화합물, 상기 수집된 유기화합물의 자연발화온도 실험 데이터 및 유기화합물의 구조를 입력하는 화합물 입력 단계;상기 입력된 유기화합물 구조에 대한 다수의 분자 표현자를 생성하는 분자 표현자 생성 단계;상기 수집된 유기화합물을, 자연발화온도 예측 모델을 수립하기 위하여 사용되는 외부 훈련데이터와 상기 자연발화온도 예측 모델을 검증하기 위하여 사용되는 외부 검증데이터로 임의로 분류하는 데이터 분류 단계;상기 외부 훈련데이터 내 화합물에 대한 다수의 분자 표현자 중 화합물의 물리화학적 특성을 표현하는 공통 분자 표현자를 선별하고, 기계학습법을 이용하여 예측 모델을 도출하는 개별 예측 모델 개발 단계;상기 도출된 개별 예측 모델의 내부 검증을 통해 최적의 개별 예측 모델을 선별하는 내부 검증 단계; 및상기 선별된 최적의 개별 예측 모델을 복수 개 조합하여 복합 예측 모델(Consensus model)을 개발하는 복합 예측 모델 개발 단계를 포함하고,상기 개별 예측 모델 개발 단계는,상기 외부 훈련데이터 내 화합물에 대한 다수의 분자 표현자 둥 변별력이 없는 분자 표현자, 의미가 중복되는 분자 표현자 및 자연발화온도와 상관성이 낮은 분자 표현자를 제거하는 분자 표현자 제거 단계;상기 분자 표현자 제거 단계에 의하여 일부 분자 표현자가 제거된 상기 외부 훈련데이터 내 화합물을, 중복을 허용하는 부트스트랩(Bootstrap) 샘플링을 이용하여 내부 훈련데이터와 내부 검증데이터로 분류하는 내부 데이터 분류 단계;상기 내부 훈련데이터 내 화합물에 대한 다수의 분자 표현자 중, 전진 선택(Forward selection) 방법을 이용하여 분자 표현자를 선별하는 표현자 전진 선택 단계;기계학습법을 이용하여 상기 선별된 분자 표현자를 포함하는 화합물의 자연발화온도 계산식 모델을 결정하는 기계학습 단계;상기 결정된 화합물의 자연발화온도 계산식 모델에 상기 내부 검증데이터 내 화합물을 적용하여 도출한 화합물의 자연발화온도 계산치 및 상기 내부 검증데이터 내 화합물의 자연발화온도 실험치를 이용하여, 상기 계산치와 상기 실험치의 오차값을 도출하는 오차값 도출 단계;상기 오차값을 상기 표현자 전진선택 단계에서 선별된 다른 분자 표현자를 포함하는 화합물의 자연발화온도 계산식 모델에 상기 내부 검증데이터 내 화합물을 적용하여 도출된 구 오차값과 비교하는 오차값 비교 단계; 및상기 오차값이 상기 구 오차값 미만인 경우, 상기 오차값을 도출하는 분자 표현자 및 이를 포함하는 자연발화온도 계산식 모델을 최적 개별 예측 모델로 선별하는 모델 최적화 단계를 포함하고,상기 표현자 전진선택 단계에서,상기 기계학습법 중 다중선형회귀(MLR: Multiple Linear Regression) 방식에 의하여 결정되는 화합물의 자연발화온도 계산식 모델에 포함될 분자 표현자는, (a) 분자 내의 탄소, 산소 사이의 이중결합의 수(No_CdO); (b) 분자 내의 탄소, 할로겐 원자사이의 단일결합의 수(No_CsX); (c) 분자 내의 삼차 아미노 그룹의 수(No_amino_groups_tertiary); (d) 분자 내의 알데하이드 그룹의 수(No_aldehyde_groups); (e) 전체 VDW 표면적에 대한 소수성 포화 원자들의 표면적 비율(Fraction_of_2D_VSA_hydrophobic_sat); (f) Kier-Hall 분자연결지수로 수소원자를 제외한 분자구조에서 모든 원자에 대하여 한 원자와 연결된 3개의 원자의 각각 결합원자수 곱에 대한 제곱근의 합으로 표현한 Chi3cluster지수(Chi3cluster); (g) 전체구조연결지수로 모든 원자들의 결합원자수의 곱에 대하여 제곱근을 나타낸 지수(Total_structure_connectivity_index); (h) 분자 내에서 가장 음의 값을 지닌 부분전하를 음의 값을 지닌 부분전하의 총합으로 나눈 값(Relative_negative_charge); (i) 분자 내에 소수성 원자와 방향족 고리구조 사이의 결합거리가 0인 부분의 유무(CATS_binary_Hyd_Aro_00); (j) 분자 내에 소수성 원자와 수소결합주게 원자 사이의 결합거리가 1인 부분의 유무(CATS_binary_Hyd_Don_01); (k) 분자 내에 소수성 원자와 수소결합받게 원자 사이의 결합거리가 6인 부분의 유무(CATS_binary_Hyd_Acc_06); 및 (l) 분자 내에 방향족 고리구조와 수소결합받게 원자 사이의 결합거리가 2인 부분의 유무(CATS_binary_Aro_Acc_02)로 선별되는 것을 특징으로 하는 컴퓨터 시스템에서 구현되는 유기화합물의 자연발화온도를 예측하는 QSPR 방법
9 9
컴퓨터 시스템에서 구현되는 유기화합물의 자연발화온도를 예측하는 QSPR 방법에 있어서,자연발화온도를 가지는 다수의 화합물 중에서 자연발화온도 실험 데이터를 얻을 수 있는 유기화합물을 수집하는 단계;상기 수집된 유기화합물로부터 화합물의 물리화학적 특성을 표현하는 공통 인자를 선별한 후, 상기 선별된 공통 인자를 이용하여 유기화합물의 자연발화온도를 예측할 수 있는 자연발화온도 예측 모델을 수립하는 단계를 포함하되,상기 자연발화온도 예측 모델을 수립하는 단계는,상기 수집된 유기화합물, 상기 수집된 유기화합물의 자연발화온도 실험 데이터 및 유기화합물의 구조를 입력하는 화합물 입력 단계;상기 입력된 유기화합물 구조에 대한 다수의 분자 표현자를 생성하는 분자 표현자 생성 단계;상기 수집된 유기화합물을, 자연발화온도 예측 모델을 수립하기 위하여 사용되는 외부 훈련데이터와 상기 자연발화온도 예측 모델을 검증하기 위하여 사용되는 외부 검증데이터로 임의로 분류하는 데이터 분류 단계;상기 외부 훈련데이터 내 화합물에 대한 다수의 분자 표현자 중 화합물의 물리화학적 특성을 표현하는 공통 분자 표현자를 선별하고, 기계학습법을 이용하여 예측 모델을 도출하는 개별 예측 모델 개발 단계;상기 도출된 개별 예측 모델의 내부 검증을 통해 최적의 개별 예측 모델을 선별하는 내부 검증 단계; 및상기 선별된 최적의 개별 예측 모델을 복수 개 조합하여 복합 예측 모델(Consensus model)을 개발하는 복합 예측 모델 개발 단계를 포함하고,상기 개별 예측 모델 개발 단계는,상기 외부 훈련데이터 내 화합물에 대한 다수의 분자 표현자 둥 변별력이 없는 분자 표현자, 의미가 중복되는 분자 표현자 및 자연발화온도와 상관성이 낮은 분자 표현자를 제거하는 분자 표현자 제거 단계;상기 분자 표현자 제거 단계에 의하여 일부 분자 표현자가 제거된 상기 외부 훈련데이터 내 화합물을, 중복을 허용하는 부트스트랩(Bootstrap) 샘플링을 이용하여 내부 훈련데이터와 내부 검증데이터로 분류하는 내부 데이터 분류 단계;상기 내부 훈련데이터 내 화합물에 대한 다수의 분자 표현자 중, 전진 선택(Forward selection) 방법을 이용하여 분자 표현자를 선별하는 표현자 전진 선택 단계;기계학습법을 이용하여 상기 선별된 분자 표현자를 포함하는 화합물의 자연발화온도 계산식 모델을 결정하는 기계학습 단계;상기 결정된 화합물의 자연발화온도 계산식 모델에 상기 내부 검증데이터 내 화합물을 적용하여 도출한 화합물의 자연발화온도 계산치 및 상기 내부 검증데이터 내 화합물의 자연발화온도 실험치를 이용하여, 상기 계산치와 상기 실험치의 오차값을 도출하는 오차값 도출 단계;상기 오차값을 상기 표현자 전진선택 단계에서 선별된 다른 분자 표현자를 포함하는 화합물의 자연발화온도 계산식 모델에 상기 내부 검증데이터 내 화합물을 적용하여 도출된 구 오차값과 비교하는 오차값 비교 단계; 및상기 오차값이 상기 구 오차값 미만인 경우, 상기 오차값을 도출하는 분자 표현자 및 이를 포함하는 자연발화온도 계산식 모델을 최적 개별 예측 모델로 선별하는 모델 최적화 단계를 포함하고,상기 표현자 전진선택 단계에서,상기 기계학습법 중 다중선형회귀(MLR: Multiple Linear Regression) 방식에 의하여 결정되는 화합물의 자연발화온도 계산식 모델에 포함될 분자 표현자는, (a) 회전 가능한 결합의 비율(Fraction_of_Rotatable_bonds); (b) 분자 내의 탄소, 할로겐 원자사이의 단일결합의 수(No_CsX); (c) 분자 내의 일차 알콜 그룹의 수(No_alcohol_groups_primary); (d) 분자 내의 삼차 아미노 그룹의 수(No_amino_groups_tertiary); (e) 분자 내의 알데하이드 그룹의 수(No_aldehyde_groups); (f) 전체 VDW 표면적에 대한 소수성 포화 원자들의 표면적 비율(Fraction_of_2D_VSA_hydrophobic_sat); (g) 원자의 E-state값 중 최대값(E_state_max); (h) Kier-Hall 분자연결지수로 수소원자를 제외한 분자구조에서 모든 원자에 대하여 한 원자와 연결된 3개의 원자의 각각 결합원자수 곱에 대한 제곱근의 합으로 표현한 Chi3cluster지수(Chi3cluster); (i) Kier-Hall 원자가연결지수로 수소원자를 제외한 분자구조에서 한 원자와 연결된 2개의 원자 그리고 그 중 한 원자에 연결된 원자들의 각각 결합원자수 곱에 대한 제곱근의 합으로 표현된 VChi4path_cluster지수(VChi4path_cluster); (j) 분자 내에서 가장 음의 값을 지닌 부분전하를 음의 값을 지닌 부분전하의 총합으로 나눈 값(Relative_negative_charge); (k) 분자 내의 원자 중 가장 높은 부분전하 값(Qmax); (l) 분자 내에 소수성 원자와 방향족 고리구조 사이의 결합거리가 4인 부분의 유무(CATS_binary_Hyd_Aro_04); (m) 분자 내에 소수성 원자와 수소결합주게 원자 사이의 결합거리가 1인 부분의 유무(CATS_binary_Hyd_Don_01); 및 (n) 분자 내에 소수성 원자와 수소결합받게 원자 사이의 결합거리가 6인 부분의 유무(CATS_binary_Hyd_Acc_06)로 선별되는 것을 특징으로 하는 컴퓨터 시스템에서 구현되는 유기화합물의 자연발화온도를 예측하는 QSPR 방법
10 10
컴퓨터 시스템에서 구현되는 유기화합물의 자연발화온도를 예측하는 QSPR 방법에 있어서,자연발화온도를 가지는 다수의 화합물 중에서 자연발화온도 실험 데이터를 얻을 수 있는 유기화합물을 수집하는 단계;상기 수집된 유기화합물로부터 화합물의 물리화학적 특성을 표현하는 공통 인자를 선별한 후, 상기 선별된 공통 인자를 이용하여 유기화합물의 자연발화온도를 예측할 수 있는 자연발화온도 예측 모델을 수립하는 단계를 포함하되,상기 자연발화온도 예측 모델을 수립하는 단계는,상기 수집된 유기화합물, 상기 수집된 유기화합물의 자연발화온도 실험 데이터 및 유기화합물의 구조를 입력하는 화합물 입력 단계;상기 입력된 유기화합물 구조에 대한 다수의 분자 표현자를 생성하는 분자 표현자 생성 단계;상기 수집된 유기화합물을, 자연발화온도 예측 모델을 수립하기 위하여 사용되는 외부 훈련데이터와 상기 자연발화온도 예측 모델을 검증하기 위하여 사용되는 외부 검증데이터로 임의로 분류하는 데이터 분류 단계;상기 외부 훈련데이터 내 화합물에 대한 다수의 분자 표현자 중 화합물의 물리화학적 특성을 표현하는 공통 분자 표현자를 선별하고, 기계학습법을 이용하여 예측 모델을 도출하는 개별 예측 모델 개발 단계;상기 도출된 개별 예측 모델의 내부 검증을 통해 최적의 개별 예측 모델을 선별하는 내부 검증 단계; 및상기 선별된 최적의 개별 예측 모델을 복수 개 조합하여 복합 예측 모델(Consensus model)을 개발하는 복합 예측 모델 개발 단계를 포함하고,상기 개별 예측 모델 개발 단계는,상기 외부 훈련데이터 내 화합물에 대한 다수의 분자 표현자 둥 변별력이 없는 분자 표현자, 의미가 중복되는 분자 표현자 및 자연발화온도와 상관성이 낮은 분자 표현자를 제거하는 분자 표현자 제거 단계;상기 분자 표현자 제거 단계에 의하여 일부 분자 표현자가 제거된 상기 외부 훈련데이터 내 화합물을, 중복을 허용하는 부트스트랩(Bootstrap) 샘플링을 이용하여 내부 훈련데이터와 내부 검증데이터로 분류하는 내부 데이터 분류 단계;상기 내부 훈련데이터 내 화합물에 대한 다수의 분자 표현자 중, 전진 선택(Forward selection) 방법을 이용하여 분자 표현자를 선별하는 표현자 전진 선택 단계;기계학습법을 이용하여 상기 선별된 분자 표현자를 포함하는 화합물의 자연발화온도 계산식 모델을 결정하는 기계학습 단계;상기 결정된 화합물의 자연발화온도 계산식 모델에 상기 내부 검증데이터 내 화합물을 적용하여 도출한 화합물의 자연발화온도 계산치 및 상기 내부 검증데이터 내 화합물의 자연발화온도 실험치를 이용하여, 상기 계산치와 상기 실험치의 오차값을 도출하는 오차값 도출 단계;상기 오차값을 상기 표현자 전진선택 단계에서 선별된 다른 분자 표현자를 포함하는 화합물의 자연발화온도 계산식 모델에 상기 내부 검증데이터 내 화합물을 적용하여 도출된 구 오차값과 비교하는 오차값 비교 단계; 및상기 오차값이 상기 구 오차값 미만인 경우, 상기 오차값을 도출하는 분자 표현자 및 이를 포함하는 자연발화온도 계산식 모델을 최적 개별 예측 모델로 선별하는 모델 최적화 단계를 포함하고,상기 표현자 전진선택 단계에서,상기 기계학습법 중 서포트벡터머신(SVM : Support Vector Machine) 방식에 의하여 결정되는 화합물의 자연발화온도 계산식 모델에 포함될 분자 표현자는,(a) 분자 내의 탄소, 산소 사이의 이중결합의 수(No_CdO); (b) 분자 내의 탄소, 할로겐 원자사이의 단일결합의 수(No_CsX); (c) 분자 내의 6각 고리의 수(No_ring_06); (d) 분자 내의 아마이드 그룹의 수(No_amide_groups); (e) 분자 내의 삼차 아미노 그룹의 수(No_amino_groups_tertiary); (f) 분자 내의 에테르 그룹의 수(No_ether_groups); (g) 분자 내의 알데하이드 그룹의 수(No_aldehyde_groups); (h) 분자 내의 알파 할로카보닐 그룹의 수(No_alpha_halocarbonyl_compounds); (i) 단일결합-CH3 타입의 모든 원자들의 E-state값의 합(E_state_SsCH3); (j) 단일결합-단일결합-CH2 타입의 모든 원자들의 E-state값의 합(E_state_SssCH2); (k) Kier-Hall 분자연결지수로 수소원자를 제외한 분자구조에서 모든 원자에 대하여 한 원자와 연결된 3개의 원자의 각각 결합원자수 곱에 대한 제곱근의 합으로 표현한 Chi3cluster지수(Chi3cluster); (l) Kier-Hall 원자가연결지수로 수소원자를 제외한 분자구조에서 한 원자와 연결된 2개의 원자 그리고 그 중 한 원자에 연결된 원자들의 각각 결합원자수 곱에 대한 제곱근의 합으로 표현된 VChi4path_cluster지수(VChi4path_cluster); (m) 분자 내 경로의 수로 9개의 원자가 길게 연달아 연결된 경로의 수(SC9path); (n) 분자 내에 소수성 원자와 수소결합받게 원자 사이의 결합거리가 1인 부분의 유무(CATS_binary_Hyd_Acc_01); (o) 분자 내에 소수성 원자와 양전하를 지닌 원자 사이의 결합거리가 1인 부분의 유무(CATS_binary_Hyd_Pos_01); 및 (p) 분자 내에 두 방향족 고리구조 사이의 결합거리가 6인 부분의 유무(CATS_binary_Aro_Aro_06)로 선별되는 것을 특징으로 하는 컴퓨터 시스템에서 구현되는 유기화합물의 자연발화온도를 예측하는 QSPR 방법
11 11
삭제
12 12
제1항, 제5항 내지 제10항 중 어느 한 항에 있어서, 상기 개발된 개별 예측 모델과 복합 예측 모델에 대하여 우연상관관계 검증(Y-randomization)을 실시하는 신뢰성 평가 단계;상기 개발된 개별 예측 모델과 복합 예측 모델에 대하여 상기 외부 검증데이터를 적용함으로써 최적의 예측 모델을 선별하는 외부 검증 단계; 및상기 생성된 유기화합물의 자연발화온도 예측 모델을 신뢰할 수 있는 적용가능 범위(applicability domain)를 설정하는 신뢰 범위 설정 단계를 더 포함하는 것을 특징으로 하는 컴퓨터 시스템에서 구현되는 유기화합물의 자연발화온도를 예측하는 QSPR 방법
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 산업통상자원부, 방위사업청 (주)이큐스앤자루 신약개발연구소 민군겸용기술개발 특수기능화합물 안전특성 예측 프로그램 개발