CN113506598A - 一种通过建立qsar模型预测液晶分子双折射率的方法 - Google Patents
一种通过建立qsar模型预测液晶分子双折射率的方法 Download PDFInfo
- Publication number
- CN113506598A CN113506598A CN202110801906.3A CN202110801906A CN113506598A CN 113506598 A CN113506598 A CN 113506598A CN 202110801906 A CN202110801906 A CN 202110801906A CN 113506598 A CN113506598 A CN 113506598A
- Authority
- CN
- China
- Prior art keywords
- model
- liquid crystal
- birefringence
- crystal molecules
- ext
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000004973 liquid crystal related substance Substances 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000004617 QSAR study Methods 0.000 title claims abstract description 16
- 150000001875 compounds Chemical class 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000012795 verification Methods 0.000 claims abstract description 14
- 238000002474 experimental method Methods 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims abstract description 5
- 238000000611 regression analysis Methods 0.000 claims abstract description 3
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000010200 validation analysis Methods 0.000 claims description 6
- 238000012512 characterization method Methods 0.000 claims description 4
- 101100510617 Caenorhabditis elegans sel-8 gene Proteins 0.000 claims description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 2
- 230000003190 augmentative effect Effects 0.000 claims description 2
- 125000004432 carbon atom Chemical group C* 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims description 2
- 238000002790 cross-validation Methods 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims description 2
- 229910052739 hydrogen Inorganic materials 0.000 claims description 2
- 239000001257 hydrogen Substances 0.000 claims description 2
- 238000012935 Averaging Methods 0.000 claims 1
- 238000003786 synthesis reaction Methods 0.000 abstract description 6
- 239000000463 material Substances 0.000 abstract description 5
- 238000007705 chemical test Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- -1 i.e. Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 125000001997 phenyl group Chemical group [H]C1=C([H])C([H])=C(*)C([H])=C1[H] 0.000 description 3
- 125000000304 alkynyl group Chemical group 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004983 Polymer Dispersed Liquid Crystal Substances 0.000 description 1
- 239000004990 Smectic liquid crystal Substances 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 229940126214 compound 3 Drugs 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 238000005090 crystal field Methods 0.000 description 1
- 239000002178 crystalline material Substances 0.000 description 1
- 125000000113 cyclohexyl group Chemical group [H]C1([H])C([H])([H])C([H])([H])C([H])(*)C([H])([H])C1([H])[H] 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 239000011737 fluorine Substances 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000001093 holography Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
Landscapes
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种通过建立QSAR模型预测液晶分子双折射率的方法，包括以下步骤：建立一个包含待预测液晶分子中相应结构的数据集；使用gaussview软件构建数据集中每个化合物的初始结构，使用gaussian 09优化结构；使用dragon 7软件计算描述符；使用QSARINS软件筛选描述符，输入双折射率实验数据；数据集中的液晶分子按照6:1拆分为训练集和验证集；使用QSARINS软件逐步回归分析，建立多元线性关系模型；获得回归方程；对模型进行应用。可快速高效地预测液晶分子的双折射率，成本低廉、简便快速，减少化学合成及测试所消耗的人力、物力、财力及时间。
Description
技术领域
本发明涉及一种通过建立QSAR模型预测液晶分子双折射率的方法，属于显示技术领域。
背景技术
液晶，即液态的晶体，既有液体的流动性，又有晶态物质分子各向异性有序排列的性质。在电场的作用下，液晶分子的排列会发生变化，使外光源的透过率发生改变，从而影响到液晶的光学性质。利用液晶的这种电光效应，可以实现液晶显示。
液晶是一种各向异性的物质，光在液晶中传播时会发生双折射，对应的参数为双折射率。近年来，随着液晶光学器件的快速发展和三维显示等新兴技术的牵引，高双折射率液晶材料的研究已经成为了液晶领域的研究热点。高双折射率有利于快速响应，减少器件厚度，增加光散射，提高显示对比度。可用于立体显示技术、可变焦透镜、液晶光学器件、高速光纤通讯、高频器件的微波组件、相位调制器、电子束调向天线、相控阵天线、激光控制器、可调太赫兹玻片、可调谐滤波器、全息摄影术、高对比度PDLC。
液晶的双折射率与其分子结构密切相关。延长分子中π电子共轭体系的长度，有利于提高液晶分子的双折射率。苯环、炔基、异硫氰基等基团可以延长分子的共轭长度提高双折射率，含有这些结构往往粘度大、熔点高，增加侧位氟取代可以加宽液晶分子的宽度，分子内部紧密程度变差，降低粘度、熔点，增加向列相范围。使用环己环代替苯环，可以减少分子堆积作用，有利于消除近晶相。
合成含有上述结构如苯环、炔基、异硫氰基、氟基、环己环等高双折射率的液晶分子耗时长、成本高。发展非实验方法提供双折射率，减少或替代相关实验以降低实验费用变得十分必要。利用计算技术可以快速获取液晶分子双折射率，缩短开发过程，提高效率，降低成本，节省合成及测试所需的人力、物力、财力。搜集液晶分子结构信息与双折射率的实验数据，建立QSAR模型，确认定量关系，将双折射率与描述符的关系用明确的数学表达式呈现出来。利用所建模型可以预测新结构的双折射率，也为设计液晶分子结构提供理论依据。经检索，通过建立QSAR模型预测液晶分子双折射率的方法未见报道。
发明内容
本发明针对现有技术存在的不足，提供一种基于QSAR模型简单快捷预测液晶分子双折射率的方法，该模型内部验证稳定，外部预测能力强，根据液晶分子的结构能够有效预测其双折射率，为指导合成新化合物提供理论依据。
通过查阅文献，搜集实验数据，建立了一个包含100种液晶分子的数据集。
本发明解决上述技术问题的技术方案如下：一种通过建立QSAR模型预测液晶分子双折射率的方法，包括以下步骤：
步骤1，通过查阅各类文献，搜集实验数据，排查重复数据，建立一个包含待预测液晶分子中相应结构的数据集；
步骤2，使用gaussview软件构建数据集中每个化合物的初始结构，使用gaussian09优化结构；
步骤3，使用dragon 7软件计算描述符；
步骤4，使用QSARINS软件筛选描述符，输入双折射率实验数据；
步骤5，数据集中的液晶分子按照6:1拆分为训练集和验证集，训练集用于构建预测模型，验证集用于评估模型的外部预测能力；
步骤6，以步骤4筛选得到的描述符为自变量，液晶分子双折射率为因变量，使用QSARINS软件逐步回归分析，建立多元线性关系模型；
步骤7，根据模型各项评价指标选择拟合度高、稳定性强、外部预测能力强的较优模型，获得如下回归方程：
双折射率Δn＝0.0518×nCsp+0.1339×Eig13_AEA(bo)+0.0759×Mor11u+0.068×Mor18u-0.0088×H3s+0.3118
步骤8，对模型进行应用，预测其他相似结构液晶分子的双折射率。
作为优选，所述步骤1中，搜集得到的实验数据集中液晶分子的结构类型包含待预测分子的结构类型；如果一种液晶分子双折射率值包含多个来源，则取液晶分子双折射率值的平均值。
作为优选，所述步骤5中，选取数据集中14个液晶分子作为验证集数据，其余86个液晶分子作为训练集数据，训练集中的结构类型大于等于验证集中的结构类型，训练集用于构建预测模型，验证集用于评估模型的外部预测能力。
作为优选，所述步骤7中，nCsp表示sp杂化的碳原子数；Eig13_AEA(bo)表示由键级加权的来自增广边缘邻接垫的13号特征值；Mor11u表示未加权的3D分子结构描述符信号11；Mor18u表示未加权的3D分子结构描述符信号18；H3s表示由I-state加权的lag3处的氢自相关指数。
作为优选，所述步骤7中，模型评价指标：R2为拟合模型相关系数，R2 adj为校正的拟合模型相关系数，RMSEtr为训练集均方根误差，MAEtr为训练集绝对平均误差，Q2 loo为去一法交叉验证系数，R2 ext为验证集外部预测相关系数，RMSEext为验证集均方根误差，MAEext为验证集绝对平均误差。模型的拟合能力由R2、R2 adj、RMSEtr以及MAEtr表征，R2与R2 adj越大越好，RMSEtr与MAEtr越小越好，R2>0.6表示模型具有良好的拟合能力，该模型R2＝0.9221，R2 adj＝0.9172，RMSEtr＝0.0423，MAEtr＝0.0328，表示具有良好的拟合能力；模型的稳健性由内部验证的交叉验证系数Q2 loo评价，Q2 loo越大越好，该模型Q2 loo＝0.9099，表示具有良好的稳健性；模型的外部预测能力由R2 ext、RMSEext以及MAEext表征，R2 ext越大越好，RMSEext与MAEext越小越好，该模型R2 ext＝0.9094，RMSEext＝0.0424，MAEext＝0.0317，表示具有良好的外部预测能力。
以杠杆值hi为横坐标，以各数据点的标准残差δ为纵坐标绘制Williams图，对模型的应用域进行评价。杠杆值的计算公式为：hi＝Xi T(XTX)-1Xi。其中，Xi是第i个化合物的描述符矩阵；Xi T是Xi的转置矩阵；X是所有化合物的描述符矩阵；XT是X的转置矩阵；(XTX)-1是矩阵XTX的逆矩阵。当化合物的hi超过警戒值，表明该化合物位于最优预测空间之外。这个警戒值作为模型预测的临界值h*，计算公式为：h*＝3(k+1)/n，其中，k是模型中变量的个数，n是模型训练集化合物的数量。在Williams图中，hi<h*的坐标空间为模型的试用范围。
本发明的有益效果是：本发明提供了一种通过建立QSAR模型预测液晶分子双折射率的方法，选取相应结构已知双折射率的液晶，通过普通最小二乘法及遗传算法建立QSAR多元线性回归模型。对于已知结构的液晶分子，计算具有结构特征的描述符，利用所建的QSAR模型，即可快速高效地预测液晶分子的双折射率。该方法成本低廉、简便快速，可以有效地减少化学合成及测试所消耗的人力、物力、财力及时间。所述模型内部验证稳定，外部预测能力强，能够有效预测液晶分子的双折射率，并为指导合成新化合物提供理论依据。
附图说明
图1是预测模型的训练集与验证集双折射率的实测值与预测值的拟合图；
图2是预测模型的Williams图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。
实施例1
给定一个化合物4-丁基-4’-[2-(3,5-二氟-4-异硫氰苯基)乙炔]-联苯(CAS号900518-51-6)，预测其双折射率。使用gaussian 09对化合物进行分子结构优化，基于优化的分子结构，使用dragon 7软件计算描述符的对应值。根据杠杆值的计算公式计算h<0.209，该化合物在模型的应用域内，可以运用模型进行预测。将以上描述符的对应值代入模型公式计算双折射率，如下：
双折射率Δn＝0.0518×(3)+0.1339×(1.7081)+0.0759×(0.0821)+0.068×(-1.4240)-0.0088×(9.7306)+0.3118＝0.5197
实验值为0.5138，预测结果良好。
实施例2
给定一个化合物3,5-二氟-4-异硫氰基-4”-丙基-1,1’:4’-1”-三联苯(CAS号356798-18-0)，预测其双折射率。使用gaussian 09对化合物进行分子结构优化，基于优化的分子结构，使用dragon 7软件计算描述符的对应值。根据杠杆值的计算公式计算h<0.209，该化合物在模型的应用域内，可以运用模型进行预测。将以上描述符的对应值代入模型公式计算双折射率，如下：
双折射率Δn＝0.0518×(1)+0.1339×(1.2010)+0.0759×(0.7677)+0.068×(-1.7388)-0.0088×(8.4901)+0.3118＝0.3898
实验值为0.3940，预测结果良好。
实施例3
给定一个化合物3,5-二氟-4-异硫氰基-4’-(反式-4-丙基环己基)-联苯(CAS号138074-14-3)，预测其双折射率。使用gaussian 09对化合物进行分子结构优化，基于优化的分子结构，使用dragon 7软件计算描述符的对应值。根据杠杆值的计算公式计算h<0.209，该化合物在模型的应用域内，可以运用模型进行预测。将以上描述符的对应值代入模型公式计算双折射率，如下：
双折射率Δn＝0.0518×(1)+0.1339×(1.0908)+0.0759×(-0.3203)+0.068×(-2.0193)-0.0088×(9.1977)+0.3118＝0.2672
实验值为0.2686，预测结果良好。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种通过建立QSAR模型预测液晶分子双折射率的方法，其特征在于，包括以下步骤：
步骤1，通过查阅各类文献，搜集实验数据，排查重复数据，建立一个包含待预测液晶分子中相应结构的数据集；
步骤2，使用gaussview软件构建数据集中每个化合物的初始结构，使用gaussian 09优化结构；
步骤3，使用dragon 7软件计算描述符；
步骤4，使用QSARINS软件筛选描述符，输入双折射率实验数据；
步骤5，数据集中的液晶分子按照6:1拆分为训练集和验证集，训练集用于构建预测模型，验证集用于评估模型的外部预测能力；
步骤6，以步骤4筛选得到的描述符为自变量，液晶分子双折射率为因变量，使用QSARINS软件逐步回归分析，建立多元线性关系模型；
步骤7，根据模型各项评价指标选择拟合度高、稳定性强、外部预测能力强的较优模型，获得如下回归方程：
双折射率Δn＝0.0518×nCsp+0.1339×Eig13_AEA(bo)+0.0759×Mor11u+0.068×Mor18u-0.0088×H3s+0.3118
步骤8，对模型进行应用，预测其他相似结构液晶分子的双折射率。
2.根据权利要求1所述的通过建立QSAR模型预测液晶分子双折射率的方法，其特征在于，所述步骤1中，搜集得到的实验数据集中液晶分子的结构类型包含待预测分子的结构类型，如果一种液晶分子双折射率值包含多个来源，则取液晶分子双折射率值的平均值。
3.根据权利要求1所述的通过建立QSAR模型预测液晶分子双折射率的方法，其特征在于，所述步骤5中，选取数据集中14个液晶分子作为验证集数据，其余86个液晶分子作为训练集数据，训练集中的结构类型大于等于验证集中的结构类型，训练集用于构建预测模型，验证集用于评估模型的外部预测能力。
4.根据权利要求1所述的通过建立QSAR模型预测液晶分子双折射率的方法，其特征在于，所述步骤7中，nCsp表示sp杂化的碳原子数；Eig13_AEA(bo)表示由键级加权的来自增广边缘邻接垫的13号特征值；Mor11u表示未加权的3D分子结构描述符信号11；Mor18u表示未加权的3D分子结构描述符信号18；H3s表示由I-state加权的lag3处的氢自相关指数。
5.根据权利要求1所述的通过建立QSAR模型预测液晶分子双折射率的方法，其特征在于，所述步骤7中，模型评价指标：R2为拟合模型相关系数，R2 adj为校正的拟合模型相关系数，RMSEtr为训练集均方根误差，MAEtr为训练集绝对平均误差，Q2 loo为去一法交叉验证系数，R2 ext为验证集外部预测相关系数，RMSEext为验证集均方根误差，MAEext为验证集绝对平均误差；模型的拟合能力由R2、R2 adj、RMSEtr以及MAEtr表征，R2与R2 adj越大越好，RMSEtr与MAEtr越小越好，R2>0.6表示模型具有良好的拟合能力，该模型R2＝0.9221，R2 adj＝0.9172，RMSEtr＝0.0423，MAEtr＝0.0328，表示具有良好的拟合能力；模型的稳健性由内部验证的交叉验证系数Q2 loo评价，Q2 loo越大越好，该模型Q2 loo＝0.9099，表示具有良好的稳健性；模型的外部预测能力由R2 ext、RMSEext以及MAEext表征，R2 ext越大越好，RMSEext与MAEext越小越好，该模型R2 ext＝0.9094，RMSEext＝0.0424，MAEext＝0.0317，表示具有良好的外部预测能力。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110801906.3A CN113506598B (zh) | 2021-07-15 | 2021-07-15 | 一种通过建立qsar模型预测液晶分子双折射率的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110801906.3A CN113506598B (zh) | 2021-07-15 | 2021-07-15 | 一种通过建立qsar模型预测液晶分子双折射率的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113506598A true CN113506598A (zh) | 2021-10-15 |
| CN113506598B CN113506598B (zh) | 2024-06-21 |
Family
ID=78012938
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110801906.3A Active CN113506598B (zh) | 2021-07-15 | 2021-07-15 | 一种通过建立qsar模型预测液晶分子双折射率的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113506598B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1780723A (zh) * | 2003-03-03 | 2006-05-31 | 莫尔德弗洛爱尔兰有限公司 | 预测已处理材料的特性的设备和方法 |
| US20080123077A1 (en) * | 2006-11-02 | 2008-05-29 | William Rogers Rosch | Mosaic quantification by birefringence measurement |
| US20080259773A1 (en) * | 2006-12-07 | 2008-10-23 | Konica Minolta Opto, Inc. | Optical element and optical pickup device |
| CN101661179A (zh) * | 2008-08-27 | 2010-03-03 | 三星电子株式会社 | 液晶显示面板及其制造方法 |
| CN105865752A (zh) * | 2016-03-10 | 2016-08-17 | 苏州光环科技有限公司 | 采用分布式偏振串扰分析仪全面评判保偏光纤特性的方法和装置 |
| WO2020105810A1 (ko) * | 2018-11-19 | 2020-05-28 | 효성화학 주식회사 | 셀룰로오스 에스테르 위상차 필름 |
| CN111329847A (zh) * | 2020-03-19 | 2020-06-26 | 上海大学 | 利用二氢查尔酮类化合物对胰岛素促泌性能进行预报的方法及应用 |
| CN111613276A (zh) * | 2020-05-12 | 2020-09-01 | 中南大学 | 一种基于量子化学参数构建定量构效关系预测微塑料吸附有机物的方法 |
| CN112147473A (zh) * | 2020-09-28 | 2020-12-29 | 哈尔滨理工大学 | 一种高绝缘强度气体的筛选方法 |
-
2021
- 2021-07-15 CN CN202110801906.3A patent/CN113506598B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1780723A (zh) * | 2003-03-03 | 2006-05-31 | 莫尔德弗洛爱尔兰有限公司 | 预测已处理材料的特性的设备和方法 |
| US20080123077A1 (en) * | 2006-11-02 | 2008-05-29 | William Rogers Rosch | Mosaic quantification by birefringence measurement |
| US20080259773A1 (en) * | 2006-12-07 | 2008-10-23 | Konica Minolta Opto, Inc. | Optical element and optical pickup device |
| CN101661179A (zh) * | 2008-08-27 | 2010-03-03 | 三星电子株式会社 | 液晶显示面板及其制造方法 |
| CN105865752A (zh) * | 2016-03-10 | 2016-08-17 | 苏州光环科技有限公司 | 采用分布式偏振串扰分析仪全面评判保偏光纤特性的方法和装置 |
| WO2020105810A1 (ko) * | 2018-11-19 | 2020-05-28 | 효성화학 주식회사 | 셀룰로오스 에스테르 위상차 필름 |
| CN111329847A (zh) * | 2020-03-19 | 2020-06-26 | 上海大学 | 利用二氢查尔酮类化合物对胰岛素促泌性能进行预报的方法及应用 |
| CN111613276A (zh) * | 2020-05-12 | 2020-09-01 | 中南大学 | 一种基于量子化学参数构建定量构效关系预测微塑料吸附有机物的方法 |
| CN112147473A (zh) * | 2020-09-28 | 2020-12-29 | 哈尔滨理工大学 | 一种高绝缘强度气体的筛选方法 |
Non-Patent Citations (9)
| Title |
|---|
| ALAN R. KATRITZKY等: "Traditional Topological Indices vs Electronic, Geometrical, and Combined Molecular Descriptors in QSAR/QSPR Research", 《J. CHEM. INF. COMPUT. SCI》, vol. 33, 31 December 1993 (1993-12-31), pages 835 - 857 * |
| FARUKH JABEEN等: "Refractive indices of diverse data set of polymers: A computational QSPR based study", 《COMPUTATIONAL MATERIALS SCIENCE》, vol. 137, 31 December 2017 (2017-12-31), pages 215 - 224, XP085135361, DOI: 10.1016/j.commatsci.2017.05.022 * |
| MEADE E. ERICKSON等: "A Refractive Index Study of a Diverse Set of Polymeric Materials by QSPR withQuantum-Chemical and Additive Descriptors", 《MOLECULES》, 19 August 2020 (2020-08-19), pages 1 - 9 * |
| PATHAN MOHSIN KHAN等: "QSPR Modeling of the Refractive Index for Diverse Polymers Using 2D Descriptors", 《ACS OMEGA》, vol. 3, 17 October 2018 (2018-10-17), pages 13374 - 13386 * |
| 夏婷: "理论计算在缓蚀剂机理研究中的应用", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》, no. 03, 15 March 2019 (2019-03-15), pages 022 - 122 * |
| 李继扬: "基于激光回馈效应的液晶双折射特性测量", 《红外与激光工程》, vol. 46, no. 3, 31 March 2017 (2017-03-31), pages 0306003 - 1 * |
| 陈侃等: "一种中心多孔缺陷的保偏光子晶体光纤", 《光电子 激光》, vol. 26, no. 7, 31 July 2015 (2015-07-31), pages 1406 - 1411 * |
| 陈泽章: "太赫兹波段液晶材料光学特性密度泛函理论研究", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》, no. 01, 15 January 2017 (2017-01-15), pages 014 - 70 * |
| 鲁静等: "基于GA-MLR方法预测有机化合物的折射率", 《兰州文理学院学报（自然科学版）》, vol. 29, no. 1, 31 January 2015 (2015-01-31), pages 32 - 34 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113506598B (zh) | 2024-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Proctor et al. | Transition from gas-like to liquid-like behavior in supercritical N2 | |
| Wang et al. | Validation of a simple hypoplastic constitutive model for overconsolidated clays | |
| Hansen et al. | Evidence of a one-dimensional thermodynamic phase diagram for simple glass-formers | |
| Snijkers et al. | Double stress overshoot in start-up of simple shear flow of entangled comb polymers | |
| Xu et al. | Role of cohesive energy in glass formation of polymers with and without bending constraints | |
| Elmroth et al. | Observation of a dynamic anomaly in the liquid-glass transformation range by Brillouin scattering | |
| CA2991215A1 (en) | Method for correlating physical and chemical measurement data sets to predict physical and chemical properties | |
| Iwase et al. | Application of a digital oil model to solvent-based enhanced oil recovery of heavy crude oil | |
| Bhargava et al. | Studying polymer-dispersed liquid-crystal formation by FTIR spectroscopy. 2. Phase separation and ordering | |
| Ianniruberto et al. | Origin of shear thinning in unentangled polystyrene melts | |
| Garetz et al. | Orientation correlations in lamellar block copolymers | |
| Ranjkesh et al. | Optical anisotropy, order parameter and its critical behavior in temperature-dependent refractive indices of nematic liquid crystals | |
| Cui et al. | Molecular representation of the petroleum gasoline fraction | |
| Ghasimakbari et al. | Correlations in disordered melts of asymmetric diblock copolymers | |
| Abutaqiya et al. | Aromatic Ring Index (ARI): A characterization factor for nonpolar hydrocarbons from molecular weight and refractive index | |
| Toda et al. | Observation of the pockels effect in ionic liquids and insights into the length scale of potential-induced ordering | |
| Fischer et al. | Transferable anisotropic united-atom mie (tamie) force field: Transport properties from equilibrium molecular dynamic simulations | |
| Chakraborty et al. | Theoretical Investigation of N (pn alkyloxy benzylidene) pn alkyl aniline Schiff-Based Liquid Crystal Molecule | |
| Nascimento et al. | Modeling of the asphaltene onset pressure from few experimental data: A comparative evaluation of the Hirschberg method and the cubic-plus-association equation of state | |
| CN113506598A (zh) | 一种通过建立qsar模型预测液晶分子双折射率的方法 | |
| Heinrich et al. | Arm relaxation in deformed H-polymers in elongational flow by SANS | |
| Tang et al. | All-atomistic molecular dynamics study of the glass transition of amorphous polymers | |
| Wu et al. | Quantifying changes in the low-frequency dynamics of amorphous polymers by 2D correlation mechanical spectroscopy | |
| Devendorf et al. | Pressure dependent vibrational Fermi resonance in liquid CH3OH and CH2Cl2 | |
| Li et al. | Ultrafast to slow orientational dynamics of a homeotropically aligned nematic liquid crystal |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |