1 |
1
복수개의 원소를 포함하는 물질의 단원자(atom) 및 분자(molecule) 구조 모델, 벌크(bulk) 구조 모델, 슬래브(slab) 구조 모델, 및 나노입자(nanoparticle) 구조 모델에 대한 고유벡터 값 및 양자역학 계산값을 포함하는 제1 학습 데이터를 포함하는 학습 데이터 세트를 준비하는 단계,상기 학습 데이터 세트를 이용하여 인공신경망을 학습시켜 포텐셜 값을 얻는 단계, 그리고상기 포텐셜 값을 이용하여 다른 물질의 분자 구조를 예측하는 단계를 포함하는 분자 구조 예측 방법
|
2 |
2
제1항에서,상기 제1 학습 데이터는, 결점(defect) 구조 모델, 또는 무정형(amorphous) 구조 모델에 대한 고유벡터 값 및 양자역학 계산값을 더 포함하는, 분자 구조 예측 방법
|
3 |
3
제1항에서,상기 학습 데이터 세트는, 유효 매질 이론(effective medium theory) 포텐셜을 이용하여 분자동역학 계산하여 얻어진 구조 모델에 대한 고유벡터 값 및 양자역학 계산값을 포함하는 제2 학습 데이터를 더 포함하는, 분자 구조 예측 방법
|
4 |
4
제3항에서, 상기 학습 데이터 세트는, 상기 제1 학습 데이터 및 상기 제2 학습 데이터를 이용하여 얻어진 예측값과 양자역학 계산값이 다른 구조 모델에 대한 고유벡터 값 및 양자역학 계산값을 포함하는 제3 학습 데이터를 더 포함하는, 분자 구조 예측 방법
|
5 |
5
제4항에서,상기 학습 데이터 세트는, 상기 무정형 구조 모델을 안정적으로 구조 이완시키는 동안 생성되는 구조 모델, 상기 결점 구조 모델을 안정적으로 구조 이완시키는 동안 생성되는 구조 모델, 상기 슬래브 구조 모델을 안정적으로 구조 이완시키는 동안 생성되는 구조 모델, 또는 이들의 조합에 대한 고유벡터 값 및 양자역학 계산값을 포함하는 제4 학습 데이터를 더 포함하는, 분자 구조 예측 방법
|
6 |
6
제5항에서,상기 학습 데이터 세트는, 유효 매질 이론 포텐셜을 이용하여 분자동역학 계산하여 얻어진 구조를 안정적으로 구조 이완시키는 동안 생성되는 구조 모델 또는 상기 제3 학습 데이터의 구조 모델을 안정적으로 구조 이완시키는 동안 생성되는 구조 모델에 대한 고유벡터 값 및 양자역학 계산값을 포함하는 제5 학습 데이터를 더 포함하는, 분자 구조 예측 방법
|
7 |
7
제6항에서,상기 학습 데이터 세트는, 제1 학습 데이터 내지 제5 학습 데이터를 포함하는 제6 학습 데이터를 포함하는, 분자 구조 예측 방법
|
8 |
8
제6항에서,상기 학습 데이터 세트는, 제1 학습 데이터 및 제5 학습 데이터를 포함하는 제7 학습 데이터를 포함하는, 분자 구조 예측 방법
|
9 |
9
제1항에서,상기 구조 모델에 대한 고유벡터 값은 가우시안 타입(Gaussian type) 대칭 함수로 얻어진, 분자 구조 예측 방법
|
10 |
10
제9항에서,상기 가우시안 타입 대칭 함수는 하기 수학식 1 또는 수학식 2로 표시되는, 분자 구조 예측 방법
|
11 |
11
제10항에서,상기 고유벡터 값은 상기 수학식 1 또는 수학식 2에서 η, λ, ζ, 또는 이들의 조합을 변화시켜 얻는 것인, 분자 구조 예측 방법
|
12 |
12
제1항에서,상기 포텐셜 값을 얻는 단계에서, 상기 각각 구조 모델에 대한 고유벡터 값이 상기 인공신경망의 입력값이고,상기 물질의 전체 구조에 대한 포텐셜 값이 출력값인, 분자 구조 예측 방법
|
13 |
13
제12항에서,상기 포텐셜 값을 얻는 단계는, 상기 출력값의 오차가 25 meV/atom 이상인 경우, 상기 학습 데이터 세트를 재구성한 후 상기 재구성된 학습 데이터 세트를 이용하여 인공신경망을 학습시켜 포텐셜 값을 얻는 단계를 반복하는, 분자 구조 예측 방법
|