| 1 |
1
전자 장치가 소재의 전자 구조를 예측하는 방법에 있어서,상기 소재를 구성하는 원소들에 관련된 사용자의 입력 데이터를 수신하는 단계;상기 수신된 입력 데이터를, 상기 소재의 상태 밀도를 추정하기 위한 학습 모델에 적용하는 단계; 및상기 학습 모델로부터 출력되는 상기 소재의 에너지 준위 별 상태 밀도를 나타내는 제1 그래프를 출력하는 단계;를 포함하며,상기 학습 모델은,소재들을 구성하는 원소들에 대한 복수의 기 입력된 데이터 각각에 대응하는 기 산출된 에너지 준위 별 상태 밀도를 나타내는 복수의 제2 그래프 및 상기 복수의 기 입력된 데이터에 기초하여, 상기 제1 그래프를 생성하도록 학습된 것이고,상기 학습 모델은 상기 복수의 제2 그래프 각각을 격자 이미지로 변환하고,상기 변환된 복수의 격자 이미지에 기초하여 상기 제1 그래프의 특성을 나타낼 주성분을 결정하고상기 결정된 적어도 하나의 주성분에 기초하여 상기 제1 그래프를 생성하도록 학습된 것인, 방법
|
| 2 |
2
삭제
|
| 3 |
3
제1 항에 있어서,상기 학습 모델은,변환된 복수의 격자 이미지 각각을 행렬로 변환하고, 변환된 복수의 행렬의 공분산을 산출하며,산출된 공분산에 기초하여 적어도 하나의 고유 벡터 및 적어도 하나의 고유 값을 산출하며, 상기 산출된 적어도 하나의 고유 벡터 및 적어도 하나의 고유 값을 이용하여 상기 적어도 하나의 주성분을 결정하도록 학습된 것인, 방법
|
| 4 |
4
제1 항에 있어서,상기 학습 모델은,상기 사용자의 입력 데이터에 기초하여 상기 제1 그래프를 생성하는데 이용되는 상기 주성분의 개수를 결정하도록 학습된 것인, 방법
|
| 5 |
5
제4 항에 있어서,상기 학습 모델은상기 결정된 주성분의 개수에 기초하여 상기 제1 그래프를 생성하는데 이용되는 적어도 하나의 주성분을 결정하도록 학습된 것인, 방법
|
| 6 |
6
제1 항에 있어서,상기 학습 모델은,상기 수신된 사용자의 입력 데이터로부터 상기 소재를 구성하는 복수의 원소 각각의 d-오비탈 전자 개수 점유율을 획득하고, 상기 획득된 각각의 d-오비탈 전자 개수 점유율에 기초하여 상기 주성분의 계수를 결정하도록 학습된 것인, 방법
|
| 7 |
7
제6 항에 있어서,상기 d-오비탈 전자 개수 점유율은, 상기 소재를 구성하는 원소들 각각의 원자 개수 및 상기 소재의 구성 원소들 각각의 d-오비탈 전자 개수에 기초하여 결정되는 것인, 방법
|
| 8 |
8
소재의 전자 구조를 예측하는 전자 장치에 있어서,상기 소재를 구성하는 원소들에 관련된 사용자의 입력 데이터를 수신하는 사용자 입력부;상기 수신된 입력 데이터를, 상기 소재의 상태 밀도를 추정하기 위한 학습 모델에 적용하는 프로세서; 및상기 학습 모델로부터 출력되는 상기 소재의 에너지 준위 별 상태 밀도를 나타내는 제1 그래프를 출력하는 출력부;를 포함하며,상기 학습 모델은,소재들을 구성하는 원소들에 대한 복수의 기 입력된 데이터 각각에 대응하는 기 산출된 에너지 준위 별 상태 밀도를 나타내는 복수의 제2 그래프 및 상기 복수의 기 입력된 데이터에 기초하여, 상기 제1 그래프를 생성하도록 학습된 것이고,상기 학습 모델은 상기 복수의 제2 그래프 각각을 격자 이미지로 변환하고,상기 변환된 복수의 격자 이미지에 기초하여 상기 제1 그래프의 특성을 나타낼 주성분을 결정하고상기 결정된 적어도 하나의 주성분에 기초하여 상기 제1 그래프를 생성하도록 학습된 것인, 전자 장치
|
| 9 |
9
삭제
|
| 10 |
10
제8 항에 있어서,상기 학습 모델은,변환된 복수의 격자 이미지 각각을 행렬로 변환하고, 변환된 복수의 행렬의 공분산을 산출하며,산출된 공분산에 기초하여 적어도 하나의 고유 벡터 및 적어도 하나의 고유 값을 산출하며, 상기 산출된 적어도 하나의 고유 벡터 및 적어도 하나의 고유 값을 이용하여 상기 적어도 하나의 주성분을 결정하도록 학습된 것인, 전자 장치
|
| 11 |
11
제8 항에 있어서,상기 학습 모델은,상기 사용자의 입력 데이터에 기초하여 상기 제1 그래프를 생성하는데 이용되는 상기 주성분의 개수를 결정하도록 학습된 것인, 전자 장치
|
| 12 |
12
제11 항에 있어서,상기 학습 모델은상기 결정된 주성분의 개수에 기초하여 상기 제1 그래프를 생성하는데 이용되는 적어도 하나의 주성분을 결정하도록 학습된 것인, 전자 장치
|
| 13 |
13
제8 항에 있어서,상기 학습 모델은,상기 수신된 사용자의 입력 데이터로부터 상기 소재를 구성하는 복수의 원소 각각의 d-오비탈 전자 개수 점유율을 획득하고, 상기 획득된 각각의 d-오비탈 전자 개수 점유율에 기초하여 상기 주성분의 계수를 결정하도록 학습된 것인, 전자 장치
|
| 14 |
14
제13 항에 있어서,상기 d-오비탈 전자 개수 점유율은, 상기 소재를 구성하는 원소들 각각의 원자 개수 및 상기 소재의 구성 원소들 각각의 d-오비탈 전자 개수에 기초하여 결정되는 것인, 전자 장치
|
| 15 |
15
제1 항 및 제3 항 내지 제7 항 중 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 비 일시적인 기록매체
|
