| 1 |
1
복수의 물성들을 선별하여 목표물성을 설정하는 데이터 설정부;상기 복수의 물성들에 대한 복수의 물성학습모델들을 각각 생성하는 물성학습모델 생성부;상기 목표물성을 기초로 GA (Genetic Algorithm) 기반의 전역탐색을 수행하여 복수의 중간 합성물들을 생성하는 GA 처리부; 및상기 복수의 물성학습모델들 각각으로 상기 복수의 중간 합성물들 각각에 관한 단계별 평가를 수행하여 최종의 다중물성 합성물을 생성하는 합성물 생성부;를 포함하는 인공지능 기반의 다중물성 합성 예측 장치
|
| 2 |
2
제1항에 있어서, 상기 데이터 설정부는상기 복수의 물성들 간의 상관관계를 기초로 상기 목표물성을 조절하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 장치
|
| 3 |
3
제1항에 있어서, 상기 데이터 설정부는상기 목표물성을 복수로 설정하는 경우 각 목표물성마다 우선순위를 설정하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 장치
|
| 4 |
4
제1항에 있어서, 상기 물성학습모델 생성부는특정 물성을 기초로 소재 데이터베이스에서 데이터 샘플링을 수행하여 적어도 하나의 소재를 선별하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 장치
|
| 5 |
5
제4항에 있어서, 상기 물성학습모델 생성부는상기 적어도 하나의 소재를 해당 물성학습모델에 제공하여 상기 특정 물성에 관한 최적의 앙상블을 수신하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 장치
|
| 6 |
6
제5항에 있어서, 상기 물성학습모델 생성부는상기 적어도 하나의 소재에 관한 화학조성을 통해 적어도 하나의 소재 모델을 생성하고 상기 적어도 하나의 소재 모델을 종합하여 상기 최적의 앙상블을 출력하도록 상기 해당 물성학습모델을 설계하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 장치
|
| 7 |
7
제1항에 있어서, 상기 GA 처리부는소재 데이터베이스에서 상기 목표물성에 따른 임의의 소재를 전역적으로 선택하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 장치
|
| 8 |
8
제7항에 있어서, 상기 GA 처리부는상기 임의의 소재의 조합, 함량 및 결합구조 중 적어도 하나에 대한 변형을 통한 돌연변이를 생성하여 상기 복수의 중간 합성물들을 생성하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 장치
|
| 9 |
9
제8항에 있어서, 상기 GA 처리부는상기 단계별 평가가 만족될 때까지 상기 돌연변이의 생성을 반복하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 장치
|
| 10 |
10
제1항에 있어서, 상기 합성물 생성부는각 단계마다 해당 중간 합성물이 해당 물성학습모델을 통해 출력된 최적의 앙상블에 부합하는지 여부를 평가하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 장치
|
| 11 |
11
제10항에 있어서, 상기 합성물 생성부는상기 목표물성이 복수인 경우 상기 목표물성의 우선순위에 따라 상기 각 단계에서 적용되는 상기 최적의 앙상블을 결정하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 장치
|
| 12 |
12
제1항에 있어서,상기 최종의 다중물성 합성물에 관한 시각화를 제공하는 합성물 시각화부;를 더 포함하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 장치
|
| 13 |
13
복수의 물성들을 선별하여 목표물성을 설정하는 데이터 설정단계;상기 복수의 물성들에 대한 복수의 물성학습모델들을 각각 생성하는 물성학습모델 생성단계;상기 목표물성을 기초로 GA (Genetic Algorithm) 기반의 전역탐색을 수행하여 복수의 중간 합성물들을 생성하는 GA 처리단계; 및상기 복수의 물성학습모델들 각각으로 상기 복수의 중간 합성물들 각각에 관한 단계별 평가를 수행하여 최종의 다중물성 합성물을 생성하는 합성물 생성단계;를 포함하는 인공지능 기반의 다중물성 합성 예측 방법
|
| 14 |
14
제13항에 있어서, 상기 데이터 설정단계는상기 복수의 물성들 간의 상관관계를 기초로 상기 목표물성을 조절하는 단계를 포함하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 방법
|
| 15 |
15
제13항에 있어서, 상기 데이터 설정단계는상기 목표물성을 복수로 설정하는 경우 각 목표물성마다 우선순위를 설정하는 단계를 포함하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 방법
|
| 16 |
16
제13항에 있어서, 상기 물성학습모델 생성단계는특정 물성을 기초로 소재 데이터베이스에서 데이터 샘플링을 수행하여 적어도 하나의 소재를 선별하는 단계를 포함하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 방법
|
| 17 |
17
제16항에 있어서, 상기 물성학습모델 생성단계는상기 적어도 하나의 소재를 해당 물성학습모델에 제공하여 상기 특정 물성에 관한 최적의 앙상블을 수신하는 단계를 포함하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 방법
|
| 18 |
18
제17항에 있어서, 상기 물성학습모델 생성단계는상기 적어도 하나의 소재에 관한 화학조성을 통해 적어도 하나의 소재 모델을 생성하고 상기 적어도 하나의 소재 모델을 종합하여 상기 최적의 앙상블을 출력하도록 상기 해당 물성학습모델을 설계하는 단계를 포함하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 방법
|
| 19 |
19
제13항에 있어서, 상기 GA 처리단계는소재 데이터베이스에서 상기 목표물성에 따른 임의의 소재를 전역적으로 선택하는 단계를 포함하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 방법
|
| 20 |
20
제19항에 있어서, 상기 GA 처리단계는상기 임의의 소재의 조합, 함량 및 결합구조 중 적어도 하나에 대한 변형을 통한 돌연변이를 생성하여 상기 복수의 중간 합성물들을 생성하는 단계를 포함하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 방법
|
| 21 |
21
제20항에 있어서, 상기 GA 처리단계는상기 단계별 평가가 만족될 때까지 상기 돌연변이의 생성을 반복하는 단계를 포함하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 방법
|
| 22 |
22
제13항에 있어서, 상기 합성물 생성단계는각 단계마다 해당 중간 합성물이 해당 물성학습모델을 통해 출력된 최적의 앙상블에 부합하는지 여부를 평가하는 단계를 포함하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 방법
|
| 23 |
23
제22항에 있어서, 상기 합성물 생성단계는상기 목표물성이 복수인 경우 상기 목표물성의 우선순위에 따라 상기 각 단계에서 적용되는 상기 최적의 앙상블을 결정하는 단계를 포함하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 방법
|
| 24 |
24
제13항에 있어서,상기 최종의 다중물성 합성물에 관한 시각화를 제공하는 합성물 시각화단계;를 더 포함하는 것을 특징으로 하는 인공지능 기반의 다중물성 합성 예측 방법
|
| 25 |
25
복수의 물성들을 선별하여 목표물성을 설정하는 단계;상기 복수의 물성들에 대한 복수의 물성학습모델들을 각각 생성하는 단계;상기 목표물성을 기초로 GA (Genetic Algorithm) 기반의 전역탐색을 수행하여 복수의 중간 합성물들을 생성하는 단계; 및상기 복수의 물성학습모델들 각각으로 상기 복수의 중간 합성물들 각각에 관한 단계별 평가를 수행하여 최종의 다중물성 합성물을 생성하는 단계;를 포함하는 인공지능 기반의 다중물성 합성 예측 방법을 실행하는 컴퓨터 프로그램을 기록한 기록매체
|
