1 |
1
개발 대상 소재의 특성과 상관관계를 가지는 매개변수(parameter)를 갖는 실험적 결과 데이터들로부터 누락된 매개변수인 결측 값을 포함하는 실험적 결과 데이터를 분류하여 결측 값 포함 실험적 결과 데이터 집합을 생성하는 결측 값 포함 실험적 결과 데이터 전처리부;상기 분류된 결측 값 포함 실험적 결과 데이터들을 감독된 비선형 대치 기술을 적용하여 결측 값들에 대응하는 매개변수들을 도출한 후 상기 결측 값들을 대치하여 완성된 실험적 결과의 데이터 집합들을 도출하는 완성된 실험적 결과 데이터 집합 도출부;상기 완성된 실험적 결과 데이터 집합들에 포함되는 매개변수 중 최적화된 매개변수들을 도출하는 최적화 매개변수 도출부; 및도출된 상기 최적화 매개변수들을 갖는 상기 완성된 실험적 결과 데이터 집합을 입력으로 하는 기계 학습에 의해 상기 소재의 특성 값들을 계산하여 소재 조성 라이브러리를 생성하는 소재 조성 라이브러리 생성부;를 포함하여 구성되는 것을 특징으로 하는 소재 조성 도출용 라이브러리 생성 장치
|
2 |
2
제1항에 있어서, 상기 결측 값은,상기 실험적 결과 데이터들에 포함되는 소재의 매개변수 중 누락된 매개변수들인 것을 특징으로 하는 소재 조성 도출용 라이브러리 생성 장치
|
3 |
3
제1항에 있어서, 상기 실험적 결과 데이터는,소재관련 특허, 논문 또는 연구문헌 중 하나 이상에 포함되는 상기 소재의 특성 값과 상관관계를 가지는 매개변수들을 가지는 소재 관련 누적된 데이터인 것을 하는 소재 조성 도출용 라이브러리 생성 장치
|
4 |
4
제1항에 있어서, 상기 매개변수는상기 소재의 출발 물질, 구조 결정자, 물리적 특성, 측정 조건 중 하나 이상을 포함하는 것을 특징으로 하는 소재 조성 도출용 라이브러리 생성 장치
|
5 |
5
제1항에 있어서, 상기 감독된 비선형 대치 기술은,서로 병렬 처리되는 랜덤 포레스트(Random Forest: RF), K- 최근접 이웃(K-nearest neighbors: KNN) 또는 연쇄 방정식(Multiple imputation by chained equations: MICE) 중 하나 이상을 포함하는 다중 임퓨테이션(imputation)을 갖는 임퓨테이션 알고리즘인 것을 특징으로 하는 소재 조성 도출용 라이브러리 생성 장치
|
6 |
6
제1항에 있어서, 상기 최적화 매개변수는상기 소재의 목표 특성 값과 기 설정된 상관관계 이상의 상관관계를 가지는 매개변수들인 것을 특징으로 하는 소재 조성 도출용 라이브러리 생성 장치
|
7 |
7
제1항에 있어서, 상기 최적화 매개변수는,검색 그리드 최적화 방법(search-grid optimization method)을 적용하여 상기 완성된 실험적 결과 데이터 집합들의 최적화된 매개변수들을 도출하는 것을 특징으로 하는 소재 조성 도출용 라이브러리 생성 장치
|
8 |
8
개발 대상 소재의 특성과 상관관계를 가지는 매개변수를 갖는 실험적 결과 데이터들로부터 누락된 매개변수인 결측 값을 포함하는 실험적 결과 데이터를 분류하여 결측 값 포함 실험적 결과 데이터 집합을 생성하는 결측 값 포함 실험적 결과 데이터 분류 단계;상기 분류된 결측 값 포함 실험적 결과 데이터들을 감독된 비선형 대치 기술을 적용하여 결측 값들에 대응하는 매개변수들을 도출한 후 상기 결측 값들을 대치하여 완성된 실험적 결과의 데이터 집합들을 도출하는 완성된 실험적 결과 데이터 집합 도출 단계;상기 완성된 실험적 결과 데이터 집합들에 포함된 매개변수 중 최적화된 매개변수들을 도출하는 최적화 매개변수 도출 단계; 및도출된 상기 최적화 매개변수들을 갖는 상기 완성된 실험적 결과 데이터 집합을 기계학습의 입력으로 하여 기계학습을 수행하여 상기 소재의 특성 값들을 계산하여 소재 조성 라이브러리를 생성하는 소재 조성 라이브러리 생성 단계;를 포함하여 구성되는 것을 특징으로 하는 소재 조성 도출용 라이브러리 생성 방법
|
9 |
9
제8항에 있어서, 상기 결측 값 포함 실험적 결과 데이터 분류 단계의 상기 결측 값은,상기 실험적 결과 데이터들에 포함되는 소재의 매개변수 중 누락된 매개변수들인 것을 특징으로 하는 소재 조성 도출용 라이브러리 생성 방법
|
10 |
10
제8항에 있어서,상기 결측 값 포함 실험적 결과 데이터 분류 단계의 상기 실험적 결과 데이터는,소재관련 특허, 논문 또는 연구문헌 중 하나 이상에 포함되는 상기 소재의 특성 값과 상관관계를 가지는 매개변수들을 가지는 소재 관련 누적된 데이터인 것을 특징으로 하는 소재 조성 도출용 라이브러리 생성 방법
|
11 |
11
제8항에 있어서, 상기 매개변수는상기 소재의 출발 물질, 구조 결정자, 물리적 특성, 측정 조건 중 하나 이상을 포함하는 것을 특징으로 하는 소재 조성 도출용 라이브러리 생성 방법
|
12 |
12
제8항에 있어서, 상기 완성된 실험적 결과 데이터 집합 도출 단계의 상기 감독된 비선형 대치 기술은,서로 병렬 처리되는 랜덤 포레스트(Random Forest: RF), K- 최근접 이웃(K-nearest neighbors: KNN) 또는 연쇄 방정식(Multiple imputation by chained equations: MICE) 중 하나 이상을 포함하는 다중 임퓨테이션(imputation)을 갖는 임퓨테이션 알고리즘인 것을 특징으로 하는 소재 조성 도출용 라이브러리 생성 방법
|
13 |
13
제8항에 있어서, 상기 최적화 매개변수 도출 단계에서 도출되는 상기 최적화 매개변수는,상기 소재의 목표 특성 값과 기 설정된 상관관계 이상의 상관관계를 가지는 매개변수들인 것을 특징으로 하는 소재 조성 도출용 라이브러리 생성 방법
|
14 |
14
제8항에 있어서, 상기 최적화 매개변수 도출 단계에서 도출되는 상기 최적화 매개변수는,검색 그리드 최적화 방법(search-grid optimization method)을 적용하여 상기 완성된 실험적 결과 데이터 집합들의 최적화된 매개변수들로 도출되는 것을 특징으로 하는 소재 조성 도출용 라이브러리 생성 방법
|