| 1 |
1
머신 러닝을 이용한 바이오매스 다공성 탄소의 이산화탄소 흡착 예측 방법으로서,바이오매스 폐기물유래 다공성탄소(BWDPC, biomass waste-derived porous carbons)가 생성되는 과정의 데이터를 수집하는 단계;상기 수집된 데이터를 전처리하는 단계; 및상기 전처리된 데이터를 학습 데이터 및 테스트 데이터로 구분하고, 구분된 학습 데이터 및 테스트 데이터에 기초하여 상기 BWDPC에 의한 이산화탄소 흡착 용량을 예측하는 하나 이상의 트리 기반 머신 러닝 모델을 학습 및 테스트하는 단계를 포함하는, 이산화탄소 흡착 예측 방법
|
| 2 |
2
제1항에 있어서,상기 데이터를 수집하는 단계는,복수의 탄소 전구체(carbon precursor), 복수의 업사이클링 변환 프로세스, 상기 BWDPC의 조직 특성(textural property) 및 구성 원소에 대한 데이터, 특정 온도와 특정 압력에서 상기 BWDPC에 의한 이산화탄소 흡착 용량에 대한 데이터를 수집하는 단계를 포함하는, 이산화탄소 흡착 예측 방법
|
| 3 |
3
제2항에 있어서,복수의 업사이클링 변환 프로세스는,특정 조건에서의 탄소화 프로세스, 특정 조건에서의 활성화 프로세스 및 특정 조건에서의 헤테로아톰 도핑(heteroatom-doping) 프로세스 중 적어도 하나를 포함하는, 이산화탄소 흡착 예측 방법
|
| 4 |
4
제3항에 있어서,상기 BWDPC의 조직 특성은 상기 BWDPC의 표면적(SA, surface area), 총공극량(TVP, total pore volume) 및 마이크로포어 부피(MPV, micropore volume) 중 적어도 하나를 포함하는, 이산화탄소 흡착 예측 방법
|
| 5 |
5
제4항에 있어서,상기 BWDPC의 구성 원소는 탄소(C), 수소(H), 질소(N) 및 산소(O) 중 적어도 하나를 포함하는, 이산화탄소 흡착 예측 방법
|
| 6 |
6
제5항에 있어서,상기 테스트하는 단계 이후에,상기 트리 기반 머신 러닝 모델 중에서 상기 BWDPC에 의한 이산화탄소 흡착 용량의 예측 정확도가 가장 높은 머신 러닝 모델을 결정하는 단계를 더 포함하는, 이산화탄소 흡착 예측 방법
|
| 7 |
7
제6항에 있어서,상기 테스트하는 단계 이후에,상기 BWDPC의 이산화탄소 흡착 용량 예측에 영향을 주는 인자의 우선 순위를 결정하는 단계를 더 포함하며,상기 인자는, 상기 BWDPC의 조직 특성, 구성 원소, 상기 BWDPC에 의해 이산화탄소가 흡착되는 과정의 특정 온도 및 특정 압력를 포함하는, 이산화탄소 흡착 예측 방법
|
| 8 |
8
제7항에 있어서,상기 테스트하는 단계 이후에,상기 BWDPC의 이산화탄소 흡착 용량을 높이기 위한 상기 인자 각각의 수치를 분석하는 단계를 더 포함하는, 이산화탄소 흡착 예측 방법
|
| 9 |
9
하드웨어인 컴퓨터와 결합되어, 제1항 내지 제8항 중 어느 한 항의 방법을 실행시키기 위하여 매체에 저장된, 머신 러닝을 이용한 바이오매스 다공성 탄소의 이산화탄소 흡착 예측 프로그램
|
| 10 |
10
머신 러닝을 이용한 바이오매스 다공성 탄소의 이산화탄소 흡착 예측 장치로서,통신부; 입력부; 및 상기 통신부 또는 입력부를 통해, 바이오매스 폐기물유래 다공성탄소(BWDPC)가 생성되는 과정의 데이터를 수집하고, 상기 수집된 데이터를 전처리하는 제어부를 포함하며,상기 제어부는,상기 전처리된 데이터를 학습 데이터 및 테스트 데이터로 구분하고, 구분된 학습 데이터 및 테스트 데이터에 기초하여 상기 BWDPC에 의한 이산화탄소 흡착 용량을 예측하는 하나 이상의 트리 기반 머신 러닝 모델을 학습 및 테스트하도록 구성되는, 이산화탄소 흡착 예측 장치
|
| 11 |
11
제10항에 있어서,메모리를 더 포함하며,상기 제어부는,상기 학습 및 테스트가 완료된 하나 이상의 트리 기반 머신 러닝 모델을 상기 메모리에 저장하도록 구성되는, 이산화탄소 흡착 예측 장치
|
| 12 |
12
제11항에 있어서,상기 제어부는,복수의 탄소 전구체, 복수의 업사이클링 변환 프로세스, 상기 BWDPC의 조직 특성 및 구성 원소에 대한 데이터, 특정 온도와 특정 압력에서 상기 BWDPC에 의한 이산화탄소 흡착 용량에 대한 데이터를 상기 통신부 또는 입력부를 통해 수집하도록 구성되는, 이산화탄소 흡착 예측 장치
|
| 13 |
13
제12항에 있어서,복수의 업사이클링 변환 프로세스는,특정 조건에서의 탄소화 프로세스, 특정 조건에서의 활성화 프로세스 및 특정 조건에서의 헤테로아톰 도핑 프로세스 중 적어도 하나를 포함하는, 이산화탄소 흡착 예측 장치
|
| 14 |
14
제13항에 있어서,상기 BWDPC의 조직 특성은 상기 BWDPC의 표면적(SA), 총공극량(TVP) 및 마이크로포어 부피(MPV) 중 적어도 하나를 포함하는, 이산화탄소 흡착 예측 장치
|
| 15 |
15
제14항에 있어서,상기 BWDPC의 구성 원소는 탄소(C), 수소(H), 질소(N) 및 산소(O) 중 적어도 하나를 포함하는, 이산화탄소 흡착 예측 장치
|
| 16 |
16
제15항에 있어서,상기 제어부는,상기 트리 기반 머신 러닝 모델 중에서 상기 BWDPC에 의한 이산화탄소 흡착 용량의 예측 정확도가 가장 높은 머신 러닝 모델을 결정하도록 구성되는, 이산화탄소 흡착 예측 장치
|
| 17 |
17
제16항에 있어서,상기 제어부는,상기 BWDPC의 이산화탄소 흡착 용량 예측에 영향을 주는 인자의 우선 순위를 결정하도록 구성되며,상기 인자는, 상기 BWDPC의 조직 특성, 구성 원소, 상기 BWDPC에 의해 이산화탄소가 흡착되는 과정의 특정 온도 및 특정 압력를 포함하는, 이산화탄소 흡착 예측 장치
|
| 18 |
18
제17항에 있어서,상기 제어부는,상기 BWDPC의 이산화탄소 흡착 용량을 높이기 위한 상기 인자 각각의 수치를 분석하도록 구성되는, 이산화탄소 흡착 예측 장치
|
