맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

라만 분광 신호를 기초로 수용액의 용존 가스 농도를 예측하기 위한 장치 및 이를 위한 방법

  • 기술번호 : KST2022004119
  • 담당센터 : 서울서부기술혁신센터
  • 전화번호 : 02-6124-6930
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 용존 가스 농도를 예측하기 위한 장치가 제공된다. 상기 장치는 수용액에 대한 라만 스펙트럼 데이터가 입력되면, 라만 스펙트럼 데이터로부터 가스의 종류에 상응하는 파장의 피크 데이터를 추출하는 피크추출부와, 상기 피크 데이터를 기초로 예측모델을 통해 상기 수용액에 포함된 가스 농도의 예측값을 산출하고, 산출된 예측값으로부터 가스 농도를 도출하여 출력하는 농도예측부를 포함한다.
Int. CL G01N 21/65 (2006.01.01) G01N 21/59 (2006.01.01) G01J 3/44 (2006.01.01) G06N 3/08 (2006.01.01) G06N 20/00 (2019.01.01)
CPC G01N 21/65(2013.01) G01N 21/5907(2013.01) G01J 3/44(2013.01) G06N 3/08(2013.01) G06N 20/00(2013.01)
출원번호/일자 1020200123589 (2020.09.24)
출원인 서강대학교산학협력단
등록번호/일자
공개번호/일자 10-2022-0040651 (2022.03.31) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2021.07.02)
심사청구항수 20

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 서강대학교산학협력단 대한민국 서울특별시 마포구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김동철 서울특별시 마포구
2 강태욱 서울특별시 마포구
3 곽태진 서울특별시 마포구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인 천지 대한민국 서울특별시 강남구 논현로**길 **, *층(역삼동, 신한빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
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		 2020.09.24 수리 (Accepted) 1-1-2020-1016567-91
2 [심사청구]심사청구서·우선심사신청서
 2021.07.02 수리 (Accepted) 1-1-2021-0768146-76
3 선행기술조사의뢰서
Request for Prior Art Search		 2021.11.16 수리 (Accepted) 9-1-9999-9999999-89
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
라만 분광 신호를 기초로 수용액의 용존 가스 농도를 예측하기 위한 장치에 있어서, 수용액에 대한 라만 스펙트럼 데이터가 입력되면, 라만 스펙트럼 데이터로부터 가스의 종류에 상응하는 파장의 피크 데이터를 추출하는 피크추출부; 및 상기 피크 데이터를 기초로 예측모델을 통해 상기 수용액에 포함된 가스 농도의 예측값을 산출하고, 산출된 예측값으로부터 가스 농도를 도출하여 출력하는 농도예측부; 를 포함하는 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 장치
2 2
제1항에 있어서, 실험 데이터인 라만 스펙트럼 데이터로부터 가스의 종류에 상응하는 파장의 학습용 피크 데이터와 상기 학습용 피크 데이터에 대응하는 가스 농도를 추출하여 학습 데이터를 마련하고, 상기 학습 데이터 중 일부를 검사 데이터로 설정하고, 상기 학습 데이터를 이용하여 수용액에 포함된 가스 농도의 예측값을 산출하도록 예측모델을 학습시키고, 상기 검사 데이터를 이용하여 상기 학습 결과를 검사하는 모델생성부; 를 더 포함하는 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 장치
3 3
제2항에 있어서, 상기 모델생성부는 상기 학습 데이터 및 상기 검사 데이터 각각의 정확도 양자 모두가 기 설정된 조건을 만족할 때까지 상기 예측모델의 은닉계층 및 은닉노드의 수를 조절하면서, 상기 학습 데이터를 이용한 상기 예측모델에 대한 학습과, 상기 검사 데이터를 이용한 상기 예측모델에 대한 학습 성과의 검사를 반복하는 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 장치
4 4
제2항에 있어서, 상기 모델생성부는 상기 학습용 피크 데이터에 대응하는 가스 농도를 기 설정된 경계값을 기준으로 원핫인코딩 벡터로 변환하여 경계 레이블로 설정하고, 상기 학습용 피크 데이터를 예측모델에 입력하고, 상기 예측모델이 상기 학습용 피크 데이터에 대해 복수의 계층 간 가중치가 적용되는 복수의 연산을 수행하여 예측값을 산출하면, 경계손실함수 에 따라 상기 예측모델의 출력인 예측값과 경계 레이블의 차이인 경계손실이 최소가 되도록 상기 예측모델의 가중치를 수정하는 경계 최적화를 수행하고, 상기 Lboaderselected는 경계 손실함수이고, 상기 Oi는 상기 예측모델의 예측값이고, 상기 vi는 상기 출력값에 대응하는 경계 레이블이고, 상기 i는 상기 예측모델의 출력층의 출력노드에 대응하는 인덱스인 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 장치
5 5
제4항에 있어서, 상기 모델생성부는 기 설정된 경계값을 기준으로 학습용 피크 데이터에 대응하는 가스 농도를 원핫인코딩 벡터로 변환하여 상기 경계레이블로 설정하고, 상기 학습용 피크 데이터의 은닉벡터에 대응하는 기준벡터를 증강 레이블로 설정하고, 상기 학습용 피크 데이터를 예측모델에 입력하고, 상기 예측모델이 상기 학습용 피크 데이터에 대해 복수의 계층 간 가중치가 적용되는 복수의 연산을 수행하여 마지막 은닉계층의 복수의 은닉노드의 출력값과, 출력층의 출력인 예측값을 산출하면, 경계증강손실함수 에 따라 상기 예측모델의 출력인 예측값과 경계 레이블의 차이인 경계 손실 및 상기 예측모델의 마지막 은닉계층의 복수의 은닉노드의 출력값과 증강 레이블과의 차이를 나타내는 증강 손실을 포함하는 경계증강 손실이 최소가 되도록 상기 예측모델의 가중치를 수정하는 경계증강 최적화를 수행하고, 상기 Lboaderenhanced는 경계증강 손실함수이고, 상기 Oi는 상기 예측모델의 출력층의 출력인 예측값이고, 상기 vi는 상기 예측값에 대응하는 경계 레이블이고, 상기 hij는 상기 예측모델의 마지막 은닉계층의 복수의 은닉노드의 출력값이고, 상기 rij는 상기 복수의 은닉노드의 출력값에 대응하는 증강 레이블이고, 상기 i는 상기 예측모델의 출력층의 출력노드에 대응하는 인덱스이고, 상기 j는 상기 예측모델의 마지막 은닉계층의 복수의 은닉노드에 대응하는 인덱스인 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 장치
6 6
제5항에 있어서, 상기 모델생성부는 상기 학습용 피크 데이터에 대응하는 가스 농도를 수치 레이블로 설정하고, 상기 학습용 피크 데이터를 예측모델에 입력하고, 상기 예측모델이 상기 학습용 피크 데이터에 대해 복수의 계층 간 가중치가 적용되는 복수의 연산을 수행하여 예측값을 산출하면, 상기 예측모델의 상기 예측값과 수치 레이블의 차이인 수치 손실이 최소가 되도록 상기 예측모델의 가중치를 수정하는 수치 최적화를 수행하는 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 장치
7 7
제6항에 있어서, 상기 모델생성부는 수치손실함수 에 따라 상기 예측모델의 출력값과 수치 레이블의 차이인 수치 손실이 최소가 되도록 상기 예측모델의 가중치를 수정하는 수치 최적화를 수행하며, 상기 Lvaule는 수치손실함수이고, 상기 Oi는 상기 예측모델의 출력인 예측값이고, 상기 Ci는 상기 예측값에 대응하는 수치 레이블이고, 상기 i는 상기 예측모델의 출력층의 출력노드에 대응하는 인덱스인 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 장치
8 8
제1항에 있어서, 상기 가스가 CO이면, 상기 파장은 1948 및 2063 이고, 상기 가스가 아세트산염(Acetate)이면 상기 파장은 928 이고, 상기 가스가 낙산염(Butyrate)이면, 상기 파장은 877 인 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 장치
9 9
라만 분광 신호를 기초로 수용액의 용존 가스 농도를 예측하기 위한 장치에 있어서, 실험 데이터인 라만 스펙트럼 데이터로부터 가스의 종류에 상응하는 파장의 학습용 피크 데이터와 상기 학습용 피크 데이터에 대응하는 가스 농도를 추출하여 학습 데이터를 마련하고, 상기 학습 데이터를 이용하여 수용액에 포함된 가스 농도의 예측값을 산출하도록 인공신경망 알고리즘인 예측모델을 학습시키는 모델생성부;를 포함하는 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 장치
10 10
제9항에 있어서, 상기 모델생성부는 상기 학습용 피크 데이터에 대응하는 가스 농도를 수치 레이블로 설정하고, 상기 학습용 피크 데이터를 예측모델에 입력하고, 상기 예측모델이 상기 학습용 피크 데이터에 대해 복수의 계층 간 가중치가 적용되는 복수의 연산을 수행하여 예측값을 산출하면, 상기 예측모델의 상기 예측값과 수치 레이블의 차이인 수치 손실이 최소가 되도록 상기 예측모델의 가중치를 수정하는 수치 최적화를 수행하되, 수치손실함수 에 따라 상기 예측모델의 출력값과 수치 레이블의 차이인 수치 손실이 최소가 되도록 상기 예측모델의 가중치를 수정하는 수치 최적화를 수행하며, 상기 Lvaule는 수치 손실함수이고, 상기 Oi는 상기 예측모델의 출력인 예측값이고, 상기 Ci는 상기 예측값에 대응하는 수치 레이블이고, 상기 i는 상기 예측모델의 출력층의 출력노드에 대응하는 인덱스인 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 장치
11 11
제9항에 있어서, 상기 모델생성부는 학습용 피크 데이터에 대응하는 가스 농도를 기 설정된 경계값을 기준으로 원핫인코딩 벡터로 변환하여 경계 레이블로 설정하고, 상기 학습용 피크 데이터를 예측모델에 입력하고, 상기 예측모델이 상기 학습용 피크 데이터에 대해 복수의 계층 간 가중치가 적용되는 복수의 연산을 수행하여 예측값을 산출하면, 경계손실함수 에 따라 상기 예측모델의 출력인 예측값과 경계 레이블의 차이인 경계손실이 최소가 되도록 상기 예측모델의 가중치를 수정하는 경계 최적화를 수행한 후, 기 설정된 경계값을 기준으로 학습용 피크 데이터에 대응하는 가스 농도를 원핫인코딩 벡터로 변환하여 상기 경계레이블로 설정하고, 상기 학습용 피크 데이터의 은닉벡터에 대응하는 기준벡터를 증강 레이블로 설정하고, 상기 학습용 피크 데이터를 예측모델에 입력하고, 상기 예측모델이 상기 학습용 피크 데이터에 대해 복수의 계층 간 가중치가 적용되는 복수의 연산을 수행하여 마지막 은닉계층의 복수의 은닉노드의 출력값과, 출력층의 출력인 예측값을 산출하면, 경계증강손실함수 에 따라 상기 예측모델의 출력인 예측값과 경계 레이블의 차이인 경계 손실 및 상기 예측모델의 마지막 은닉계층의 복수의 은닉노드의 출력값과 증강 레이블과의 차이를 나타내는 증강 손실을 포함하는 경계증강 손실이 최소가 되도록 상기 예측모델의 가중치를 수정하는 경계증강 최적화를 수행하고, 상기 Lboaderselected는 경계 손실함수이고, 상기 Lboaderenhanced는 경계증강 손실함수이고, 상기 Oi는 상기 예측모델의 출력층의 출력인 예측값이고, 상기 vi는 상기 예측값에 대응하는 경계 레이블이고, 상기 hij는 상기 예측모델의 마지막 은닉계층의 복수의 은닉노드의 출력값이고, 상기 rij는 상기 복수의 은닉노드의 출력값에 대응하는 증강 레이블이고, 상기 i는 상기 예측모델의 출력층의 출력노드에 대응하는 인덱스이고, 상기 j는 상기 예측모델의 마지막 은닉계층의 복수의 은닉노드에 대응하는 인덱스인 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 장치
12 12
제10항에 있어서, 수용액에 내에 프로브를 통해 빛을 발광하고, 발광된 빛이 산란되어 나오는 것을 측정하여 라만 스펙트럼 데이터를 취득하고, 취득한 라만 스펙트럼 데이터를 제공하는 스펙트럼측정부; 상기 라만 스펙트럼 데이터로부터 가스의 종류에 상응하는 파장의 피크 데이터를 추출하는 피크추출부; 및 상기 피크 데이터를 기초로 상기 예측모델을 통해 상기 수용액에 포함된 가스 농도의 예측값을 산출하고, 산출된 예측값으로부터 가스 농도를 도출하여 출력하는 농도예측부; 를 더 포함하는 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 장치
13 13
라만 분광 신호를 기초로 수용액의 용존 가스 농도를 예측하기 위한 방법에 있어서, 스펙트럼측정부가 수용액에 내에 프로브를 통해 빛을 발광하고, 발광된 빛이 산란되어 나오는 것을 측정하여 라만 스펙트럼 데이터를 취득하는 단계; 피크추출부가 라만 스펙트럼 데이터로부터 가스의 종류에 상응하는 파장의 피크 데이터를 추출하는 단계; 농도예측부가 상기 피크 데이터를 기초로 예측모델을 통해 상기 수용액에 포함된 가스 농도의 예측값을 산출하는 단계; 및 상기 농도예측부가 산출된 예측값으로부터 가스 농도를 도출하여 출력하는 단계;를 포함하는 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 방법
14 14
제13항에 있어서, 상기 라만 스펙트럼 데이터를 취득하는 단계 전, 상기 모델생성부가 실험 데이터로부터 학습 데이터 및 검사 데이터를 추출하는 단계; 상기 모델생성부가 상기 예측모델의 은닉계층 및 은닉노드의 수를 설정하는 단계; 상기 모델생성부가 상기 학습 데이터를 이용하여 설정된 수의 은닉계층 및 은닉노드를 가지는 예측모델에 대한 학습을 수행하고, 상기 검사 데이터를 이용하여 예측모델(PM)의 학습 성과를 검사하고, 상기 모델생성부가 상기 학습 데이터의 정확도 및 상기 검사 데이터의 정확도를 산출하는 단계; 상기 모델생성부가 상기 학습 데이터 정확도가 상기 검사 데이터의 정확도 보다 높으면서 상기 학습 데이터 정확도 및 상기 검사 데이터의 정확도 양자 모두가 임계치 이상인 조건을 만족하는지 여부를 판별하는 단계; 및 상기 판별 결과, 상기 조건을 만족하면, 상기 모델생성부가 현재 설정에 따라 은닉계층 및 은닉노드의 수를 결정하는 단계; 를 포함하는 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 방법
15 15
제14항에 있어서, 상기 조건을 만족하는지 여부를 판별하는 단계후, 상기 판별 결과, 상기 조건을 만족하지 않으면, 상기 모델생성부가 은닉계층 및 은닉노드의 수를 재설정한 후, 상기 정확도를 산출하는 단계 및 상기 조건을 만족하는지 여부를 판별하는 단계를 반복하는 단계; 더 포함하는 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 방법
16 16
제13항에 있어서, 상기 라만 스펙트럼 데이터를 취득하는 단계 전, 상기 모델생성부가 실험 데이터인 라만 스펙트럼 데이터로부터 가스의 종류에 상응하는 파장의 학습용 피크 데이터와 상기 학습용 피크 데이터에 대응하는 가스 농도를 추출하여 학습 데이터를 마련하는 단계; 상기 모델생성부가 상기 학습용 피크 데이터에 대응하는 가스 농도를 수치 레이블로 설정하는 단계; 상기 모델생성부가 상기 학습용 피크 데이터를 예측모델에 입력하는 단계; 상기 예측모델이 상기 학습용 피크 데이터에 대해 복수의 계층 간 가중치가 적용되는 복수의 연산을 수행하여 예측값을 산출하는 단계; 상기 모델생성부가 상기 예측모델의 상기 예측값과 수치 레이블의 차이인 수치 손실이 최소가 되도록 상기 예측모델의 가중치를 수정하는 수치 최적화를 수행하는 단계;를 더 포함하는 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 방법
17 17
제16항에 있어서, 상기 수치 최적화를 수행하는 단계는 상기 모델생성부가 수치손실함수 에 따라 상기 예측모델의 출력값과 수치 레이블의 차이인 수치 손실이 최소가 되도록 상기 예측모델의 가중치를 수정하는 수치 최적화를 수행하며, 상기 Lvalue는 수치손실함수이고, 상기 Oi는 상기 예측모델의 출력인 예측값이고, 상기 Ci는 상기 예측값에 대응하는 수치 레이블이고, 상기 i는 상기 예측모델의 출력층의 출력노드에 대응하는 인덱스인 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 방법
18 18
제13항에 있어서, 상기 라만 스펙트럼 데이터를 취득하는 단계 전, 상기 모델생성부가 상기 학습용 피크 데이터에 대응하는 가스 농도를 기 설정된 경계값을 기준으로 원핫인코딩 벡터로 변환하여 경계 레이블로 설정하는 단계; 상기 모델생성부가 상기 학습용 피크 데이터를 예측모델에 입력하는 단계; 상기 예측모델이 상기 학습용 피크 데이터에 대해 복수의 계층 간 가중치가 적용되는 복수의 연산을 수행하여 예측값을 산출하는 단계; 상기 모델생성부가 경계손실함수 에 따라 상기 예측모델의 출력인 예측값과 경계 레이블의 차이인 경계손실이 최소가 되도록 상기 예측모델의 가중치를 수정하는 경계 최적화를 수행하는 단계;를 더 포함하며, 상기 Lboaderselected는 경계 손실함수이고, 상기 Oi는 상기 예측모델의 출력인 예측값이고, 상기 vi는 상기 예측값에 대응하는 경계 레이블이고, 상기 i는 상기 예측모델의 출력층의 출력노드에 대응하는 인덱스인 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 방법
19 19
제18항에 있어서, 상기 경계 최적화를 수행하는 단계 후, 상기 모델생성부가 기 설정된 경계값을 기준으로 학습용 피크 데이터에 대응하는 가스 농도를 원핫인코딩 벡터로 변환하여 상기 경계레이블로 설정하고, 상기 학습용 피크 데이터의 은닉벡터에 대응하는 기준벡터를 증강 레이블로 설정하는 단계; 상기 모델생성부가 상기 학습용 피크 데이터를 예측모델에 입력하는 단계; 상기 예측모델이 상기 학습용 피크 데이터에 대해 복수의 계층 간 가중치가 적용되는 복수의 연산을 수행하여 마지막 은닉계층의 복수의 은닉노드의 출력값과, 출력층의 출력인 예측값을 산출하는 단계; 상기 모델생성부가 경계증강손실함수 에 따라 상기 예측모델의 출력인 예측값과 경계 레이블의 차이인 경계 손실 및 상기 예측모델의 마지막 은닉계층의 복수의 은닉노드의 출력값과 증강 레이블과의 차이를 나타내는 증강 손실을 포함하는 경계증강 손실이 최소가 되도록 상기 예측모델의 가중치를 수정하는 경계증강 최적화를 수행하는 단계;를 더 포함하며, 상기 Lboaderenhanced는 경계증강 손실함수이고, 상기 Oi는 상기 예측모델의 출력인 예측값이고, 상기 vi는 상기 예측값에 대응하는 경계 레이블이고, 상기 i는 상기 예측모델의 출력층의 출력노드에 대응하는 인덱스이고, 상기 hij는 상기 예측모델의 마지막 은닉계층의 복수의 은닉노드의 출력값이고, 상기 rij는 상기 복수의 은닉노드의 출력값에 대응하는 증강 레이블이고, 상기 j는 상기 예측모델의 마지막 은닉계층의 복수의 은닉노드에 대응하는 인덱스인 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 방법
20 20
제13항에 있어서, 상기 가스가 CO이면, 상기 파장은 1948 및 2063이고, 상기 가스가 아세트산염(Acetate)이면 상기 파장은 928 이고, 상기 가스가 낙산염(Butyrate)이면, 상기 파장은 877 인 것을 특징으로 하는 용존 가스 농도를 예측하기 위한 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 과학기술정보통신부 서강대학교 기후변화대응기술개발(R＆D) 표면증강라만분광법을 이용한 비평형 용존 C1 가스 및 대사산물 실시간 모니터링 기술 개발
2 과학기술정보통신부 서강대학교 개인기초연구(과기정통부)(R＆D) 나노복합체의 복합 다종 자극에 의한 피로 및 부식 내구성 예측 및 설계 시스템 개발