KR20150063952A - Method and apparatus for analyxing charaters of particles - Google Patents
Method and apparatus for analyxing charaters of particles Download PDFInfo
- Publication number
- KR20150063952A KR20150063952A KR1020140170822A KR20140170822A KR20150063952A KR 20150063952 A KR20150063952 A KR 20150063952A KR 1020140170822 A KR1020140170822 A KR 1020140170822A KR 20140170822 A KR20140170822 A KR 20140170822A KR 20150063952 A KR20150063952 A KR 20150063952A
- Authority
- KR
- South Korea
- Prior art keywords
- particles
- motion data
- crystal structure
- confidence interval
- distribution
- Prior art date
Links
- 239000002245 particle Substances 0.000 title claims abstract description 270
- 238000000034 method Methods 0.000 title claims description 45
- 230000033001 locomotion Effects 0.000 claims abstract description 101
- 239000013078 crystal Substances 0.000 claims abstract description 80
- 238000009826 distribution Methods 0.000 claims abstract description 45
- 238000004088 simulation Methods 0.000 claims description 41
- 238000000329 molecular dynamics simulation Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 239000000446 fuel Substances 0.000 description 4
- 150000002500 ions Chemical class 0.000 description 4
- 239000007784 solid electrolyte Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 239000003792 electrolyte Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000011244 liquid electrolyte Substances 0.000 description 2
- 238000005293 physical law Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 239000011245 gel electrolyte Substances 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000003970 interatomic potential Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 239000011343 solid material Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
Landscapes
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
개시된 실시예들은 입자들의 특성을 분석하는 방법 및 입자들의 특성을 분석하는 장치에 관한 것이다. The disclosed embodiments relate to a method for analyzing the characteristics of particles and an apparatus for analyzing the characteristics of the particles.
에너지원으로서의 이차전지의 수요가 급격히 증가하고 있고, 그러한 이차전지 중 높은 에너지 밀도와 방전 전압의 이차 전지에 대해 많은 연구가 행해졌고 또한 상용화되어 널리 사용되고 있다. 이러한 이차전지의 전해질은 액체로 이루어진 액체 전해질, 액체 전해액이 겔과 같은 형태로 존재하는 겔형 전해질, 무기물 또는 폴리머로 이루어진 고체 전해질이 있다. The demand for secondary batteries as energy sources is rapidly increasing. Many researches have been made on secondary batteries having high energy density and discharge voltage among such secondary batteries, and they have been commercialized and widely used. The electrolyte of the secondary battery includes a liquid electrolyte made of a liquid, a gel electrolyte having a liquid electrolyte like a gel, and a solid electrolyte made of an inorganic or polymer.
특히, 고체 전해질은 전극 및 전해질이 모두 고체 물질이기 때문에 안정성이 높고, 그 자체로 분리막의 역할이 가능하며, 전지의 형상을 초박화 및 경량화할 수 있는 장점을 가지고 있어서, 고체 전해질을 포함하는 이차전지에 대한 연구가 활발히 진행 중이다. 하지만, 고체 전해질의 특성을 갖는 입자들의 종류가 아직까지 많이 알려진 바 없어, 고체 전해질의 특성을 갖는 입자들을 발견하기 위한 노력이 지속적으로 이루어 지고 있다.Particularly, since the solid electrolyte is a solid material for both the electrode and the electrolyte, it has high stability and can act as a separator itself, and has the advantage of being able to make the shape of the battery thinner and lighter. Research on batteries is actively under way. However, since the types of particles having the characteristics of solid electrolytes have not been known so far, efforts to find particles having characteristics of solid electrolytes have been continuously performed.
개시된 실시예에 따르면, 입자들의 특성을 분석하여, 사용자가 원하는 특성을 갖는 입자들을 검출하기 위한 입자들의 특성을 분석하는 방법 및 장치가 제공될 수 있다. According to the disclosed embodiment, a method and apparatus for analyzing the characteristics of particles to analyze characteristics of particles for detecting particles having a desired characteristic by a user can be provided.
일 실시예에 따른 입자들의 특성을 분석하는 방법은 입자들의 결정 구조에 관한 정보를 획득하는 단계; 상기 결정 구조 내에서의 상기 입자들의 움직임 데이터를 측정하는 단계; 상기 획득된 움직임 데이터의 분포가 신뢰 구간에 포함되는지 여부를 판단하는 단계; 및 상기 신뢰 구간에 포함되는 움직임 데이터의 분포를 이용하여, 상기 결정 구조를 갖는 입자들의 특성을 결정하는 단계를 포함한다.A method for analyzing characteristics of particles according to an embodiment includes obtaining information on a crystal structure of particles; Measuring motion data of the particles in the crystal structure; Determining whether a distribution of the obtained motion data is included in a confidence interval; And determining the characteristics of the particles having the crystal structure by using the distribution of the motion data included in the confidence interval.
일 실시예에 따른 입자들의 특성을 분석하는 방법은 상기 결정된 입자들의 특성이 상기 특성에 관한 임계 범위를 만족하는지 여부를 판단하는 단계; 및 상기 판단 결과에 기초하여, 상기 입자들을 검출하는 단계를 더 포함한다.The method of analyzing the characteristics of particles according to an exemplary embodiment of the present invention includes determining whether the characteristics of the determined particles satisfy a critical range with respect to the characteristic; And detecting the particles based on the determination result.
일 실시예에 따른 입자들의 특성을 분석하는 방법에 있어서, 상기 결정된 입자들의 특성은, 상기 결정된 입자들의 전도도(conductivity)를 포함한다.In a method of characterizing particles according to an embodiment, the determined characteristics of the particles include the conductivity of the determined particles.
일 실시예에 따른 입자들의 특성을 분석하는 방법에 있어서, 상기 판단하는 단계는, 상기 획득한 움직임 데이터를 기초로 스켈람(skellam) 분포 모델을 생성하는 단계; 및 상기 생성된 분포 모델에 우도 결정 방법을 적용하여 산출한 신뢰 구간에 상기 획득한 움직임 데이터의 상한값과 하한값이 포함되는지 여부를 판단하는 단계를 포함한다.According to an embodiment of the present invention, there is provided a method of analyzing characteristics of particles, the determining includes: generating a skellam distribution model based on the obtained motion data; And determining whether the upper limit value and the lower limit value of the acquired motion data are included in the confidence interval calculated by applying the likelihood determination method to the generated distribution model.
일 실시예에 따른 입자들의 특성을 분석하는 방법에 있어서, 상기 스켈람 분포는, 가우시안 노이즈(Gaussian noise) 환경에서 결정된다.In a method for analyzing the characteristics of particles according to an embodiment, the Skellem distribution is determined in a Gaussian noise environment.
일 실시예에 따른 입자들의 특성을 분석하는 방법은, 상기 움직임 데이터의 분포가 상기 신뢰 구간에 포함되지 않는 경우, 상기 움직임 데이터를 재획득하는 단계를 더 포함한다.The method of analyzing characteristics of particles according to an embodiment further comprises re-acquiring the motion data if the distribution of the motion data is not included in the confidence interval.
일 실시예에 따른 입자들의 특성을 분석하는 방법은, 상기 신뢰 구간에 포함되는 움직임 데이터의 분포에 관한 정보를 디스플레이 하는 단계를 더 포함한다.The method of analyzing characteristics of particles according to an embodiment further comprises displaying information on distribution of motion data included in the confidence interval.
일 실시예에 따른 입자들의 특성을 분석하는 방법에 있어서, 상기 획득하는 단계는, 적어도 하나의 결정 구조에 관한 정보를 포함하는 결정 구조 데이터베이스로부터 선택된 결정 구조에 관한 정보를 획득한다.A method for analyzing characteristics of particles according to an embodiment, said obtaining acquiring information about a crystal structure selected from a crystal structure database containing information on at least one crystal structure.
일 실시예에 따른 입자들의 특성을 분석하는 장치는 입자들의 결정 구조에 관한 정보를 획득하는 입력부; 상기 결정 구조 내에서의 상기 입자들의 움직임 데이터를 측정하는 데이터 획득부; 및 상기 획득된 움직임 데이터의 분포가 신뢰 구간에 포함되는지 여부를 판단하고 상기 신뢰 구간에 포함되는 움직임 데이터의 분포를 이용하여, 상기 결정 구조를 갖는 입자들의 특성을 결정하는 제어부를 포함한다.An apparatus for analyzing characteristics of particles according to an embodiment includes an input unit for obtaining information on a crystal structure of particles; A data acquisition unit for measuring motion data of the particles in the crystal structure; And a controller for determining whether the distribution of the obtained motion data is included in the confidence interval and for determining characteristics of the particles having the crystal structure by using the distribution of the motion data included in the confidence interval.
일 실시예에 따른 입자들의 특성을 분석하는 장치에 있어서, 상기 제어부는, 상기 결정된 입자들의 특성이 상기 특성에 관한 임계 범위를 만족하는지 여부를 판단하고, 상기 판단 결과에 기초하여, 상기 입자들을 검출한다.According to an embodiment of the present invention, there is provided an apparatus for analyzing characteristics of particles, the apparatus comprising: a determination unit for determining whether a characteristic of the determined particles satisfies a critical range with respect to the characteristic, do.
일 실시예에 따른 입자들의 특성을 분석하는 장치에 있어서, 상기 결정된 입자들의 특성은, 상기 결정된 입자들의 전도도(conductivity)를 포함한다.In an apparatus for characterizing particles according to an embodiment, the characteristics of the determined particles include the conductivity of the determined particles.
일 실시예에 따른 입자들의 특성을 분석하는 장치에 있어서, 상기 제어부는, 상기 획득한 움직임 데이터를 기초로 스켈람(skellam) 분포 모델을 생성하고, 상기 생성된 분포 모델에 우도 결정 방법을 적용하여 산출한 신뢰 구간에 상기 획득한 움직임 데이터의 상한값과 하한값이 포함되는지 여부를 판단한다.In an apparatus for analyzing characteristics of particles according to an exemplary embodiment, the controller generates a skellam distribution model based on the obtained motion data, applies a likelihood determination method to the generated distribution model And determines whether the upper limit value and the lower limit value of the acquired motion data are included in the calculated confidence interval.
일 실시예에 따른 입자들의 특성을 분석하는 장치에 있어서, 상기 스켈람 분포는, 가우시안 노이즈(Gaussian noise) 환경에서 결정된다.In an apparatus for analyzing the characteristics of particles according to an embodiment, the Schalklem distribution is determined in a Gaussian noise environment.
일 실시예에 따른 입자들의 특성을 분석하는 장치에 있어서, 데이터 획득부는, 움직임 데이터의 분포가 상기 신뢰 구간에 포함되지 않는 경우, 상기 움직임 데이터를 재획득한다.In an apparatus for analyzing characteristics of particles according to an embodiment, a data acquiring unit reacquires the motion data when distribution of motion data is not included in the confidence interval.
일 실시예에 따른 입자들의 특성을 분석하는 장치는 상기 신뢰 구간에 포함되는 움직임 데이터의 분포에 관한 정보를 디스플레이 하는 출력부를 더 포함한다.The apparatus for analyzing characteristics of particles according to an exemplary embodiment further includes an output unit for displaying information on distribution of motion data included in the confidence interval.
일 실시예에 따른 입자들의 특성을 분석하는 장치에 있어서, 상기 입력부는, 적어도 하나의 결정 구조에 관한 정보를 포함하는 결정 구조 데이터베이스로부터 선택된 결정 구조에 관한 정보를 획득한다.In an apparatus for analyzing characteristics of particles according to an embodiment, the input unit obtains information on a crystal structure selected from a crystal structure database including information on at least one crystal structure.
도 1은 일 실시예에 따라 입자들의 특성을 분석하는 방법을 설명하기 위한 흐름도이다.
도 2는 일 실시예에 따른 입자 분석 장치가 신뢰 구간을 결정하는 방법을 설명하기 위한 흐름도이다.
도 3은 일 실시예에 따른 입자 분석 장치가 획득한 움직임 데이터를 표시한 그래프이다.
도 4는 일 실시예에 따른 입자 분석 장치가 임계 범위를 기준으로 입자들의 특성을 결정하는 방법을 설명하기 위한 흐름도이다.
도 5는 일 실시예에 따라 입자 분석 장치가 입자들의 특성에 대한 정보를 표시한 그래프이다.
도 6 및 7은 일 실시예에 따른 입자 분석 장치의 블록도를 도시한 도면이다.1 is a flow chart illustrating a method for analyzing the characteristics of particles according to an embodiment.
2 is a flowchart illustrating a method of determining a confidence interval by a particle analyzing apparatus according to an exemplary embodiment of the present invention.
3 is a graph showing motion data acquired by the particle analyzer according to an embodiment of the present invention.
4 is a flowchart illustrating a method of determining the characteristics of particles based on a critical range according to an embodiment of the present invention.
FIG. 5 is a graph illustrating particle characteristics of a particle analyzer according to an exemplary embodiment of the present invention. FIG.
Figures 6 and 7 are block diagrams of a particle analyzer according to one embodiment.
아래에서는 첨부한 도면을 참조하여 개시된 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 개시된 실시예를 상세히 설명한다. 그러나 나타내고자 하는 실시예들은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 개시된 실시예들을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings. However, the embodiments to be described may be embodied in various different forms and are not limited to the embodiments described herein. In order to clearly illustrate the embodiments disclosed in the drawings, parts not related to the description are omitted, and like parts are denoted by similar reference numerals throughout the specification.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.Throughout the specification, when a part is referred to as being "connected" to another part, it includes not only "directly connected" but also "electrically connected" with another part in between . Also, when an element is referred to as "comprising ", it means that it can include other elements as well, without departing from the other elements unless specifically stated otherwise.
이하 첨부된 도면을 참고하여 개시된 실시예들을 상세히 설명하기로 한다.BRIEF DESCRIPTION OF THE DRAWINGS FIG.
도 1은 일 실시예에 따라 입자들의 특성을 분석하는 방법을 설명하기 위한 흐름도이다. 1 is a flow chart illustrating a method for analyzing the characteristics of particles according to an embodiment.
단계 110에서, 입자들의 특성을 분석하는 장치(이하, 입자 분석 장치)는 입자들의 결정 구조에 관한 정보를 획득한다. 입자들의 결정 구조는 입자들의 종류, 입자들의 개수 등에 따라 결정될 수 있다. 여기에서, 입자들은 분자, 원자 및 미립자 중 적어도 하나를 포함하는 개념이다. 또한, 적어도 하나의 종류의 입자들은 각각의 특성에 따라 입자 간에 형성되는 결합의 종류가 상이할 수 있다. 예를 들어, 각각의 입자들간의 결합은 포함하고 있는 전자 수, 양자 수 및 핵의 질량 등에 따라 상이할 수 있다. In
일 실시예에 따른 입자 분석 장치는 적어도 하나의 결정 구조에 관한 정보를 포함하고 있는 결정 구조 데이터 베이스로부터 어느 하나의 결정 구조에 관한 정보를 획득할 수 있다. 예를 들어, 입자 분석 장치는 적어도 하나의 결정 구조를 선택하는 사용자의 입력에 따라 결정 구조 데이터 베이스로부터 선택된 결정 구조에 관한 정보를 획득할 수 있다. 다른 예에 따라, 입자 분석 장치는 결정 구조에서, 입자와 입자 간의 결합의 종류, 결합의 형태 및 결합의 세기에 관한 정보를 도출 가능한 구조 예측 알고리즘을 이용하여 입자들의 결정 구조에 관한 정보를 획득할 수 있다.The particle analyzing apparatus according to an embodiment can obtain information on any one of the crystal structures from a crystal structure database containing information on at least one crystal structure. For example, the particle analyzing apparatus may obtain information on a crystal structure selected from a crystal structure database according to a user's input selecting at least one crystal structure. According to another example, the particle analyzer obtains information on the crystal structure of particles using a structure prediction algorithm capable of deriving information on the kind of the particle-particle bond, the form of the bond, and the bond strength in the crystal structure .
단계 120에서, 입자 분석 장치는 결정 구조 내에서의 입자들의 움직임 데이터를 측정한다. 예를 들어, 입자 분석 장치는 결정 구조 내에서의 입자들의 움직임 데이터를 측정하기 위해 시뮬레이션을 수행할 수 있다. 여기에서, 시뮬레이션은 기 설정된 조건의 가상 공간에서, 입자들이 움직이는 상황을 재현하는 방법을 나타낼 수 있다. 예를 들어, 입자 분석 장치는 600K의 온도의 가상 공간을 설정한 후, 설정된 가상 공간에서의 입자들의 움직임 데이터를 측정할 수 있다. In
입자들은 결정 구조에 따라 움직임이 상이할 수 있다. 입자 분석 장치는 입자들의 움직임 데이터를 측정하여, 선택된 결정 구조를 갖는 입자들의 확산 계수를 측정할 수 있다.The particles may have different motions depending on the crystal structure. The particle analyzer can measure the motion data of the particles and measure the diffusion coefficient of the particles having the selected crystal structure.
일 실시예에 따른 시뮬레이션은 분자동역학 시뮬레이션을 포함할 수 있다. 분자동역학 시뮬레이션은 어떤 한 순간에 계를 구성하는 입자에 작용하는 힘들을 주어진 물리법칙에 따라 결정하고 뉴턴의 운동방정식을 이용하여 각 입자들의 위치와 속도 변화를 계산한다. The simulation according to one embodiment may include molecular dynamics simulation. Molecular dynamics simulation determines the forces acting on the particles constituting the system at a certain moment according to given physical laws and calculates the position and velocity changes of each particle using Newton's equation of motion.
입자 분석 장치는 위의 과정을 반복적으로 적용하면 계를 구성하는 모든 입자들의 시간에 따른 궤적을 계산할 수 있다. 이때 가속도는 퍼텐셜에너지의 거리에 대한 일차 미분인 힘으로부터 계산할 수 있으며 입자들 사이에 작용하는 상호작용은 원자와 분자의 구성에 따라 적절하게 선택하여 사용할 수 있다.The particle analyzer can calculate the time-dependent trajectory of all the particles constituting the system by applying the above procedure repeatedly. In this case, the acceleration can be calculated from the force acting as a first derivative with respect to the distance of the potential energy, and the interaction between the particles can be appropriately selected depending on the composition of atoms and molecules.
분자동역학 시뮬레이션 과정은 실제 실험실에서 이루어지는 실험과정과 아주 유사함으로써 실제 실험을 수행하지 않고도 계에서의 입자들의 특성에 관한 정보를 획득할 수 있다. 분자동역학 시뮬레이션을 구동하기 위해서는 입자들 간의 상호작용을 묘사해주는 힘장(force field) 혹은 원자간 포텐셜(interatomic potential)에 관한 정보를 설정해야 한다.The molecular dynamics simulation process is very similar to the experimental procedure in the actual laboratory, so that information on the characteristics of the particles in the system can be obtained without performing actual experiments. In order to drive the molecular dynamics simulations, we must set up information about the force fields or interatomic potentials that describe the interactions between particles.
한편, 분자동역학 시뮬레이션의 종류는 사용자의 선택에 따라 다양할 수 있다. 예를 들어, 입자들의 움직임 데이터를 츠정하기 위해 AIMD(Ab initio molecular dynamics) 시뮬레이션을 수행할 수 있다. AIMD 시뮬레이션은 입자들의 퍼텐셜 면의 정밀도 문제를 해결하기 위하여 퍼텐셜 면을 전자 상태의 계산으로부터 구하는 방법이다. On the other hand, the kind of molecular dynamics simulation can be varied depending on the user's selection. For example, an Ab initio molecular dynamics (AIMD) simulation can be performed to plot motion data of particles. AIMD simulation is a method to obtain the potential surface from the calculation of the electronic state to solve the problem of the precision of the potential surface of the particles.
단계 130에서, 입자 분석 장치는 시뮬레이션을 수행한 결과 획득된 움직임 데이터의 분포가 기 설정된 신뢰 구간에 포함되는지 여부를 판단한다. 입자 분석 장치는 획득된 움직임 데이터를 기초로 다양한 종류의 분포 모델을 생성할 수 있다. 예를 들어, 입자 분석 장치는 획득한 움직임 데이터를 이용하여 스켈람(skellam) 분포 모델을 생성할 수 있다. In
또한, 입자 분석 장치는 움직임 데이터를 기초로 생성된 분포 모델에 우도 결정(Likelyhood) 방법을 적용하여, 신뢰 구간을 결정할 수 있다. 여기에서, 신뢰 구간은 입자 분석 장치가 시뮬레이션을 수행하는 횟수를 결정하는 기준이 될 수 있다. In addition, the particle analyzer can determine a confidence interval by applying a likelihood method to a distribution model generated based on motion data. Here, the confidence interval may be a criterion for determining the number of times the particle analyzer performs the simulation.
입자 분석 장치는 획득한 움직임 데이터가 신뢰 구간을 만족하게 되면 시뮬레이션을 종료할 수 있다. 예를 들어, 획득한 움직임 데이터의 상한값과 하한값이 신뢰 구간에 포함되게 되면, 입자 분석 장치는 획득한 움직임 데이터의 신뢰도가 일정 수준을 만족했다고 판단하여 시뮬레이션을 종료할 수 있다. The particle analyzer can terminate the simulation if the obtained motion data satisfies the confidence interval. For example, when the upper limit value and the lower limit value of the obtained motion data are included in the confidence interval, the particle analyzing apparatus can determine that the reliability of the acquired motion data satisfies a certain level, and terminate the simulation.
단계 140에서, 입자 분석 장치는 신뢰 구간에 포함되는 움직임 데이터를 이용하여 결정 구조를 갖는 입자들의 특성을 결정할 수 있다. 예를 들어, 입자 분석 장치는 움직임 데이터를 이용하여, 입자들의 전도도(conductivity)를 결정할 수 있다. 다만, 이는 일 실시예일 뿐, 입자들의 특성이 전도도에 한정되는 것은 아니다. In step 140, the particle analyzer can determine the characteristics of particles having a crystal structure using motion data contained in the confidence interval. For example, a particle analyzer can use motion data to determine the conductivity of particles. However, this is only an embodiment, and the characteristics of the particles are not limited to the conductivity.
입자 분석 장치는 움직임 데이터를 이용하여, 전도도를 산출할 수 있다. 입자 분석 장치는 산출된 입자들의 전도도가 기 설정된 임계 범위를 만족하는지 여부를 판단할 수 있다. 여기에서, 임계 범위는 입자 분석 장치가 특정 사용 목적에 따라 필요한 입자들의 특성에 따라 결정될 수 있다. The particle analyzer can calculate the conductivity using motion data. The particle analyzer can determine whether the conductivity of the calculated particles satisfies a predetermined threshold range. Here, the critical range can be determined according to the characteristics of the particles required by the particle analyzer depending on the specific use purpose.
입자 분석 장치는 입자들이 기 설정된 임계 범위를 만족하는 경우, 검출할 수 있다. 입자 분석 장치는 검출된 입자들에 대해서 보다 정밀한 시뮬레이션을 수행할 수 있다. 다른 예에 따라, 입자 분석 장치는 검출된 입자들과 검출되지 않은 입자들을 분류하여, 입자들을 특성에 따라 분류한 데이터 베이스를 생성할 수도 있다. The particle analyzer can detect if the particles meet a predetermined critical range. The particle analyzer can perform a more precise simulation of the detected particles. According to another example, the particle analyzer may classify the detected particles and the undetected particles to generate a database in which the particles are classified according to their characteristics.
도 2는 일 실시예에 따른 입자 분석 장치가 신뢰 구간을 결정하는 방법을 설명하기 위한 흐름도이다. 2 is a flowchart illustrating a method of determining a confidence interval by a particle analyzing apparatus according to an exemplary embodiment of the present invention.
단계 210에서, 입자들의 특성을 분석하는 장치(이하, 입자 분석 장치)는 입자들의 결정 구조에 관한 정보를 획득한다. 일 실시예에 따른 입자 분석 장치는 적어도 하나의 결정 구조에 관한 정보를 포함하고 있는 결정 구조 데이터 베이스로부터 어느 하나의 결정 구조에 관한 정보를 획득할 수 있다. 다른 예에 따라, 입자 분석 장치는 결정 구조에서, 입자와 입자 간의 결합의 종류, 결합의 형태 및 결합의 세기에 관한 정보를 도출 가능한 구조 예측 알고리즘을 이용하여 입자들의 결정 구조에 관한 정보를 획득할 수 있다. 한편, 단계 210은 도 1을 참조하여 전술한 단계 110과 대응될 수 있다. In
단계 220에서, 입자 분석 장치는 결정 구조 내에서의 입자들의 움직임 데이터를 측정한다. 예를 들어, 입자 분석 장치는 결정 구조 내에서의 입자들의 움직임 데이터를 측정하기 위해 시뮬레이션을 수행할 수 있다. 여기에서, 시뮬레이션은 기 설정된 조건의 가상 공간에서, 입자들이 움직이는 상황을 재현하는 방법을 나타낼 수 있다. 한편, 단계 220은 도 1을 참조하여, 전술한 단계 120과 대응될 수 있다. In
단계 230에서, 입자 분석 장치는 움직임 데이터로부터 결정되는 스켈람 분포 모델에 우도 결정 방법을 적용하여 신뢰 구간을 결정할 수 있다. In
여기에서, 스켈람 분포 모델은 포아송 분포를 갖는 2개의 확률 변수간의 차이에 관한 특성을 나타낼 수 있다. 입자 분석 장치는 움직임 데이터에서 입자들의 특성을 결정할 수 있는 요소들을 확률 변수 값으로 선택하여, 스켈람 분포 모델을 생성할 수 있다. Here, the Skellem distribution model can characterize the difference between two random variables with Poisson distributions. The particle analyzer can generate a Scleral distribution model by selecting elements that can determine the characteristics of particles in motion data as random variable values.
한편, 입자 분석 장치는 생성된 스켈람 분포 모델에 우도 결정 방법을 적용하여, 신뢰 구간을 설정할 수 있다. 일 실시예에 따른 입자 분석 장치는 생성된 스켈람 분포 모델에 우도 결정 방법을 적용하여, 95퍼센트의 신뢰 구간을 결정할 수 있다. On the other hand, the particle analyzer can set the confidence interval by applying the likelihood determination method to the generated Skelam distribution model. The particle analyzer according to one embodiment can determine the 95 percent confidence interval by applying the likelihood determination method to the generated Skelam distribution model.
단계 240에서, 입자 분석 장치는 획득한 움직임 데이터의 상한값과 하한값이 결정된 신뢰 구간에 포함되는지 여부를 판단할 수 있다. In
입자 분석 장치는 획득한 움직임 데이터의 상한값 및 하한값을 결정할 수 있다. 입자 분석 장치는 결정된 움직임 데이터의 상한값 및 하한값이 신뢰 구간에 포함되는지 여부를 판단하여, 시뮬레이션을 다시 수행할 지 여부를 결정할 수 있다. The particle analyzer can determine the upper limit value and the lower limit value of the acquired motion data. The particle analysis apparatus can determine whether to perform the simulation again by determining whether the upper limit value and the lower limit value of the determined motion data are included in the confidence interval.
예를 들어, 입자 분석 장치는 기 설정된 신뢰 구간에 움직임 데이터의 상한값 및 하한값이 포함되는 경우, 시뮬레이션을 종료할 수 있다. 한편, 입자 분석 장치는 기 설정된 신뢰 구간에 움직임 데이터의 상한값 및 하한값이 포함되지 않는 경우, 시뮬레이션을 반복하여 수행함으로써, 움직임 데이터를 추가로 획득할 수 있다. 입자 분석 장치에서 수행되는 시뮬레이션의 횟수가 높아질수록 움직임 데이터가 수렴하는 값의 범위가 좁아질 수 있다. For example, when the particle analyzing apparatus includes the upper limit value and the lower limit value of the motion data in a predetermined confidence interval, the simulation can be terminated. On the other hand, when the upper limit value and the lower limit value of the motion data are not included in the predetermined confidence interval, the particle analyzing apparatus can further obtain the motion data by performing the simulation repeatedly. As the number of simulations performed in the particle analyzer increases, the range of values in which the motion data converge may become narrower.
단계 250에서, 입자 분석 장치는 신뢰 구간에 포함되는 움직임 데이터를 이용하여, 결정 구조를 갖는 입자들의 특성을 결정할 수 있다. 입자 분석 장치는 움직임 데이터를 이용하여, 전도도를 산출할 수 있다. 입자 분석 장치는 산출된 입자들의 전도도가 기 설정된 임계 범위를 만족하는지 여부를 판단할 수 있다. 여기에서, 임계 범위는 입자 분석 장치가 특정 사용 목적에 따라 필요한 입자들의 특성에 따라 결정될 수 있다. In
한편, 단계 250은 도 1을 참조하여 전술한 단계 140과 대응될 수 있다.Meanwhile, step 250 may correspond to step 140 described above with reference to FIG.
도 3은 일 실시예에 따른 입자 분석 장치가 획득한 움직임 데이터를 표시한 그래프이다. 3 is a graph showing motion data acquired by the particle analyzer according to an embodiment of the present invention.
입자 분석 장치는 획득한 움직임 데이터에 관한 그래프를 사용자 인터페이스 상에 출력할 수 있다. 또한, 입자 분석 장치는 획득한 움직임 데이터의 상한값 및 하한값을 그래프 상에 표시할 수 있다. The particle analyzer can output a graph relating to the acquired motion data on the user interface. Further, the particle analyzing apparatus can display the upper limit value and the lower limit value of the acquired motion data on the graph.
입자 분석 장치는 시간에 따라, 획득되는 움직임 데이터를 그래프로 표시하여, 시뮬레이션을 반복적으로 수행해야 하는 횟수에 대한 정보를 나타낼 수 있다. The particle analyzer can display the obtained motion data as a graph and display information on the number of times the simulation is repeatedly performed.
입자 분석 장치는 시뮬레이션을 반복함에 따라 수렴하는 상한값과 하한값이 신뢰 구간에 포함되는지 여부를 판단할 수 있다. 입자 분석 장치는 상한값과 하한값이 신뢰 구간에 포함되는 시점에 시뮬레이션을 종료할 수 있다.The particle analyzer can determine whether the upper limit value and the lower limit value that converge as the simulation is repeated are included in the confidence interval. The particle analyzer can terminate the simulation at the time when the upper limit value and the lower limit value are included in the confidence interval.
입자 분석 장치는 획득되는 움직임 데이터에 관한 그래프를 사용자 인터페이스 상에 출력함으로써, 사용자가 시뮬레이션을 계속적으로 수행할 지 여부에 대한 결정을 용이하게 내릴 수 있도록 한다. The particle analyzer outputs a graph on the user interface regarding the motion data to be obtained so that the user can easily make a determination as to whether or not to continue the simulation.
일 실시예에 따른 입자 분석 장치는 시뮬레이션을 움직임 데이터가 신뢰 구간을 만족하는 때로 결정하여 반복적으로 수행함으로써, 시뮬레이션에 사용되는 시간 및 비용을 효율적으로 활용할 수 있다.The particle analyzing apparatus according to the embodiment can efficiently utilize the time and cost used in the simulation by determining the simulation when the motion data satisfies the confidence interval and performing it repeatedly.
도 4는 일 실시예에 따른 입자 분석 장치가 임계 범위를 기준으로 입자들의 특성을 결정하는 방법을 설명하기 위한 흐름도이다. 4 is a flowchart illustrating a method of determining the characteristics of particles based on a critical range according to an embodiment of the present invention.
단계 410에서, 입자들의 특성을 분석하는 장치(이하, 입자 분석 장치)는 입자들의 결정 구조에 관한 정보를 획득한다. 일 실시예에 따른 입자 분석 장치는 적어도 하나의 결정 구조에 관한 정보를 포함하고 있는 결정 구조 데이터 베이스로부터 어느 하나의 결정 구조에 관한 정보를 획득할 수 있다. 다른 예에 따라, 입자 분석 장치는 결정 구조에서, 입자와 입자 간의 결합의 종류, 결합의 형태 및 결합의 세기에 관한 정보를 도출 가능한 구조 예측 알고리즘을 이용하여 입자들의 결정 구조에 관한 정보를 획득할 수 있다. 한편, 단계 410은 도 1을 참조하여 전술한 단계 110과 대응될 수 있다. In
단계 420에서, 입자 분석 장치는 결정 구조 내에서의 입자들의 움직임 데이터를 측정한다. 예를 들어, 입자 분석 장치는 결정 구조 내에서의 입자들의 움직임 데이터를 측정하기 위해 시뮬레이션을 수행할 수 있다. 여기에서, 시뮬레이션은 기 설정된 조건의 가상 공간에서, 입자들이 움직이는 상황을 재현하는 방법을 나타낼 수 있다. 한편, 단계 420은 도 1을 참조하여, 전술한 단계 120과 대응될 수 있다. In
단계 430에서, 입자 분석 장치는 시뮬레이션을 수행한 결과 획득된 움직임 데이터의 분포가 기 설정된 신뢰 구간에 포함되는지 여부를 판단한다. 입자 분석 장치는 획득된 움직임 데이터를 기초로 다양한 종류의 분포 모델을 생성할 수 있다. 예를 들어, 입자 분석 장치는 획득한 움직임 데이터를 이용하여 스켈람(skellam) 분포 모델을 생성할 수 있다. In
한편, 단계 430은 도 1을 참조하여 전술한 단계 130과 대응될 수 있다.Meanwhile, step 430 may correspond to step 130 described above with reference to FIG.
단계 440에서, 입자 분석 장치는 신뢰 구간에 포함되는 움직임 데이터를 이용하여 결정 구조를 갖는 입자들의 특성을 결정할 수 있다. 예를 들어, 입자 분석 장치는 움직임 데이터를 이용하여, 입자들의 전도도(conductivity)를 결정할 수 있다. 다만, 이는 일 실시예일 뿐, 입자들의 특성이 전도도에 한정되는 것은 아니다. In
한편, 단계 440은 도 1을 참조하여, 전술한 단계 140과 대응될 수 있다.On the other hand,
단계 450에서, 입자 분석 장치는 결정된 특성이 미리 설정된 임계 범위에 포함되는지 여부를 판단할 수 있다. 여기에서, 임계 범위는 입자 분석 장치가 특정 사용 목적에 따라 필요한 입자들의 특성에 따라 결정될 수 있다. In
예를 들어, 입자 분석 장치는 움직임 데이터를 이용하여, 전도도를 산출할 수 있다. 입자 분석 장치는 연료 전지에 사용하기 위한 입자들을 검출하고자 하는 경우, 연료 전지에 적합한 전도도를 임계 범위로 결정할 수 있다. 입자 분석 장치는 획득된 움직임 데이터의 전도도가 x를 초과하는지 여부를 판단할 수 있다. For example, the particle analyzer can calculate the conductivity using motion data. When a particle analyzer is to detect particles for use in a fuel cell, the conductivity range suitable for the fuel cell can be determined as a critical range. The particle analyzer can determine whether the conductivity of the acquired motion data exceeds x.
단계 460에서, 입자 분석 장치는 임계 범위를 만족하는 입자들을 검출할 수 있다.In
입자 분석 장치는 기 설정된 임계 범위를 만족하는 입자들을 검출하여, 보다 정밀한 시뮬레이션을 수행할 수 있다. 예를 들어, 입자 분석 장치는 연료 전지에 적합한 입자들의 전도도 조건을 만족하는 입자들을 검출한 후, 검출한 입자들에 대해 연료 전지로 사용되기 위해 필요한 다른 조건들을 만족하는지 여부를 판단할 수 있다. The particle analyzer can detect particles satisfying a predetermined threshold range, and can perform a more precise simulation. For example, the particle analyzer can detect particles that meet the conductivity conditions of the particles suitable for the fuel cell, and then determine whether the detected particles meet other conditions required for use as a fuel cell.
다른 예에 따라, 입자 분석 장치는 복수개의 종류의 입자들에 대해 각각 전술한 단계들을 적용하여, 각각의 종류의 입자들의 특성에 따라 입자들의 특성 데이터 베이스를 생성할 수도 있다. 입자 특성 데이터 베이스에는 입자들의 특성에 따라 입자들이 분류되어 저장될 수 있다. 예를 들어, 입자 특성 데이터 베이스에는 전도도에 따라서 적어도 하나의 종류의 입자들이 분류되어 저장될 수 있다. According to another example, the particle analyzing apparatus may apply the steps described above to a plurality of kinds of particles, respectively, to generate a characteristic database of particles according to the characteristics of the respective kinds of particles. In the particle characteristics database, particles can be classified and stored according to the characteristics of the particles. For example, at least one kind of particles may be classified and stored in the particle characteristic database according to the conductivity.
도 5는 일 실시예에 따라 입자 분석 장치가 입자들의 특성에 대한 정보를 표시한 그래프이다. FIG. 5 is a graph illustrating particle characteristics of a particle analyzer according to an exemplary embodiment of the present invention. FIG.
도 5를 참조하면, 그래프에는 온도 25도에서의 전도도에 관한 정보가 표시되어 있다. 입자 분석 장치는 하나의 종류의 입자들에 대해 환경 조건을 변경해 가면서 시뮬레이션을 수행할 수 있다. Referring to FIG. 5, the graph shows information about the conductivity at a temperature of 25 degrees. The particle analyzer can perform the simulation while changing the environmental conditions for one kind of particles.
예를 들어, 입자 분석 장치는 불순물이 포함된 경우의 입자들의 전도도에 관한 정보를 획득할 수 있다. 또한, 입자 분석 장치는 입자들의 합성에 이용된 온도를 서로 다르게 설정하여 시뮬레이션을 수행할 수 있다. 예를 들어, 입자 분석 장치는 850도에서 형성되는 이온들의 결정구조와 950도에서 형성되는 이온들의 결정 구조를 설정한 뒤에, 각각의 결정 구조에서 나타나는 전도도의 특성에 관한 정보를 획득할 수 있다. For example, a particle analyzer can obtain information about the conductivity of particles when impurities are included. In addition, the particle analyzer can perform the simulation by setting the temperatures used for synthesizing the particles to be different from each other. For example, after setting the crystal structure of ions formed at 850 degrees and the crystal structure of ions formed at 950 degrees, the particle analyzer can acquire information on the characteristics of the conductivity appearing in each crystal structure.
입자 분석 장치는 또한, 입자들을 선택된 결정 구조에 따라 결합시키는 시간을 다르게 설정할 수도 있다. 예를 들어, 입자 분석 장치는 5시간 동안 형성되는 이온들의 결정 구조와 12시간 동안 형성되는 이온들의 결정 구조를 설정한 뒤에, 각각의 결정 구조에서 나타나는 전도도의 특성에 관한 정보를 획득할 수 있다. The particle analyzer may also set different times for coupling the particles according to the selected crystal structure. For example, after setting the crystal structure of the ions formed for 5 hours and the crystal structure of the ions formed for 12 hours, the particle analyzer can acquire information on the characteristics of the conductivity appearing in each crystal structure.
또한, 입자 분석 장치는 적어도 하나의 종류의 환경에서 획득된 시뮬레이션의 결과를 기초로 판단하여, 입자들의 특성이 임계 범위를 만족하는지 여부를 판단할 수 있다. 예를 들어, 입자 분석 장치는 전도도가 0.0025 이상인 
도 6 및 7은 일 실시예에 따른 입자 분석 장치(600)의 블록도를 도시한 도면이다.Figures 6 and 7 are block diagrams of a
도 6에 도시된 바와 같이, 일 실시예에 따른 입자 분석 장치(600)는, 입력부(610), 데이터 획득부(620) 및 제어부(630)를 포함할 수 있다. 그러나 도시된 구성요소 모두가 필수구성요소인 것은 아니다. 도시된 구성요소보다 많은 구성요소에 의해 입자 분석 장치(600)가 구현될 수도 있고, 그보다 적은 구성요소에 의해서도 입자 분석 장치(600)는 구현될 수 있다.6, the
예를 들어, 도 7에 도시된 바와 같이, 일 실시예에 따른 입자 분석 장치(600)는 입력부(610), 데이터 획득부(620) 및 제어부(630) 이외에 출력부(640) 및 메모리(650)를 더 포함할 수도 있다. 7, the
이하 상기 구성요소들에 대해 차례로 살펴본다.Hereinafter, the components will be described in order.
입력부(610)는 입자들의 결정 구조에 관한 정보를 획득한다. 입자들의 결정 구조는 입자들의 종류, 입자들의 개수 등에 따라 결정될 수 있다. 적어도 하나의 종류의 입자들은 각각의 특성에 따라 입자 간에 형성되는 결합의 종류가 상이할 수 있다. 예를 들어, 각각의 입자들간의 결합은 포함하고 있는 전자 수, 양자 수 및 핵의 질량 등에 따라 상이할 수 있다. The
입력부(610)는 적어도 하나의 결정 구조에 관한 정보를 포함하고 있는 결정 구조 데이터 베이스로부터 어느 하나의 결정 구조에 관한 정보를 획득할 수 있다. 예를 들어, 입력부(610)는 적어도 하나의 결정 구조를 선택하는 사용자의 입력에 따라 결정 구조 데이터 베이스로부터 선택된 결정 구조에 관한 정보를 획득할 수 있다. 다른 예에 따라, 입력부(610)는 결정 구조에서, 입자와 입자 간의 결합의 종류, 결합의 형태 및 결합의 세기에 관한 정보를 도출 가능한 구조 예측 알고리즘을 이용하여 입자들의 결정 구조에 관한 정보를 획득할 수 있다.The
데이터 획득부(620)에서, 입자 분석 장치는 결정 구조 내에서의 입자들의 움직임 데이터를 측정한다. 일 실시예에 따른 데이터 획득부(620)는 움직임 데이터를 측정하기 위한 시뮬레이션을 수행한다. 예를 들어, 데이터 획득부(620)는 600K의 온도의 가상 공간을 설정한 후, 설정된 가상 공간에서의 입자들의 움직임 데이터를 측정할 수 있다. In the
데이터 획득부(620)는 입자들의 움직임 데이터를 측정하여, 선택된 결정 구조를 갖는 입자들의 확산 계수를 측정할 수 있다.The
일 실시예에 따른 시뮬레이션은 분자동역학 시뮬레이션을 포함할 수 있다. 분자동역학 시뮬레이션은 어떤 한 순간에 계를 구성하는 입자에 작용하는 힘들을 주어진 물리법칙에 따라 결정하고 뉴턴의 운동방정식을 이용하여 각 입자들의 위치와 속도 변화를 계산한다. The simulation according to one embodiment may include molecular dynamics simulation. Molecular dynamics simulation determines the forces acting on the particles constituting the system at a certain moment according to given physical laws and calculates the position and velocity changes of each particle using Newton's equation of motion.
데이터 획득부(620)는 위의 과정을 반복적으로 적용하면 계를 구성하는 모든 입자들의 시간에 따른 궤적을 계산할 수 있다. The
한편, 분자동역학 시뮬레이션의 종류는 사용자의 선택에 따라 다양할 수 있다. 예를 들어, 입자들의 움직임 데이터를 츠정하기 위해 AIMD(Ab initio molecular dynamics) 시뮬레이션을 수행할 수 있다. AIMD 시뮬레이션은 입자들의 퍼텐셜 면의 정밀도 문제를 해결하기 위하여 퍼텐셜 면을 전자 상태의 계산으로부터 구하는 방법이다. On the other hand, the kind of molecular dynamics simulation can be varied depending on the user's selection. For example, an Ab initio molecular dynamics (AIMD) simulation can be performed to plot motion data of particles. AIMD simulation is a method to obtain the potential surface from the calculation of the electronic state to solve the problem of the precision of the potential surface of the particles.
제어부(630)는 시뮬레이션을 수행한 결과 획득된 움직임 데이터의 분포가 기 설정된 신뢰 구간에 포함되는지 여부를 판단한다. 제어부(630)는 획득된 움직임 데이터를 기초로 다양한 종류의 분포 모델을 생성할 수 있다. 예를 들어, 제어부(630)는 획득한 움직임 데이터를 이용하여 스켈람(skellam) 분포 모델을 생성할 수 있다. The
또한, 제어부(630)는 움직임 데이터를 기초로 생성된 분포 모델에 우도 결정(Likelyhood) 방법을 적용하여, 신뢰 구간을 결정할 수 있다. 여기에서, 신뢰 구간은 입자 분석 장치가 시뮬레이션을 수행하는 횟수를 결정하는 기준이 될 수 있다. Also, the
제어부(630)는 획득한 움직임 데이터가 신뢰 구간을 만족하게 되면 시뮬레이션을 종료할 수 있다. 예를 들어, 획득한 움직임 데이터의 상한값과 하한값이 신뢰 구간에 포함되게 되면, 입자 분석 장치는 획득한 움직임 데이터의 신뢰도가 일정 수준을 만족했다고 판단하여 시뮬레이션을 종료할 수 있다. The
제어부(630)는 신뢰 구간에 포함되는 움직임 데이터를 이용하여 결정 구조를 갖는 입자들의 특성을 결정할 수 있다. 예를 들어, 제어부(630)는 움직임 데이터를 이용하여, 입자들의 전도도(conductivity)를 결정할 수 있다. 다만, 이는 일 실시예일 뿐, 입자들의 특성이 전도도에 한정되는 것은 아니다. The
제어부(630)는 움직임 데이터를 이용하여, 전도도를 산출할 수 있다. 제어부(630)는 산출된 입자들의 전도도가 기 설정된 임계 범위를 만족하는지 여부를 판단할 수 있다. The
제어부(630)는 입자들이 기 설정된 임계 범위를 만족하는 경우, 검출할 수 있다. 제어부(630)는 검출된 입자들에 대해서 보다 정밀한 시뮬레이션을 수행할 수 있다. 다른 예에 따라, 제어부(630)는 검출된 입자들과 검출되지 않은 입자들을 분류하여, 입자들을 특성에 따라 분류한 데이터 베이스를 생성할 수도 있다. The
출력부(640)는 데이터 획득부(620)에서 시뮬레이션을 수행한 결과 획득한 움직임 데이터에 관한 그래프를 사용자 인터페이스 상에 출력할 수 있다. 또한, 출력부(640)는 획득한 결정 구조에 관한 정보를 사용자 인터페이스 상에 출력할 수도 있다. The
메모리(650)는 제어부(630)에서 검출된 입자들의 특성에 관한 정보를 저장할 수 있다. 또한, 다른 예에 따라, 메모리(650)응 제어부(630)에서 생성된 입자들을 특성에 따라 분류한 데이터 베이스를 저장할 수 있다. The
이상 설명된 실시예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다. 나아가, 매체는 네트워크 상에서 전송 가능한 형태로 구현되는 무형의 매체를 포함할 수 있으며, 예를 들어 소프트웨어 또는 애플리케이션 형태로 구현되어 네트워크를 통해 전송 및 유통이 가능한 형태의 매체일 수도 있다. The above-described embodiments may be embodied in the form of a computer program that can be executed on various components on a computer, and the computer program may be recorded on a computer-readable medium. At this time, the medium may be a magnetic medium such as a hard disk, a floppy disk and a magnetic tape, an optical recording medium such as CD-ROM and DVD, a magneto-optical medium such as a floptical disk, , A RAM, a flash memory, and the like, which are specifically configured to store and execute program instructions. Further, the medium may include an intangible medium that is implemented in a form that can be transmitted over a network, and may be, for example, a medium in the form of software or an application, which can be transmitted and distributed through a network.
한편, 상기 컴퓨터 프로그램은 개시된 실시예들을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.On the other hand, the computer program may be specially designed and configured for the disclosed embodiments, or may be available to those skilled in the computer software arts. Examples of computer programs may include machine language code such as those produced by a compiler, as well as high-level language code that may be executed by a computer using an interpreter or the like.
설명되는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 개시된 사상의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, “필수적인”, “중요하게” 등과 같이 구체적인 언급이 없다면 개시된 실시예들의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.The particular acts described are, by way of example, not intended to limit the scope of the idea disclosed in any way. For brevity of description, descriptions of conventional electronic configurations, control systems, software, and other functional aspects of such systems may be omitted. Also, the connections or connecting members of the lines between the components shown in the figures are illustrative of functional connections and / or physical or circuit connections, which may be replaced or additionally provided by a variety of functional connections, physical Connection, or circuit connections. Also, it is not necessary to be a necessary component for the application of the disclosed embodiments unless specifically stated to be " essential ", " importantly ".
따라서, 개시된 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 개시된 실시예들의 사상의 범주에 속한다고 할 것이다.The scope of the present invention is defined by the appended claims rather than by the foregoing description and all changes which come within the meaning and range of equivalency of the claims, They will belong.
600: 입자 분석 장치
610: 입력부
620: 데이터 획득부
630: 제어부
640: 출력부
650: 메모리600: particle analyzer
610:
620:
630:
640:
650: memory
Claims (19)
상기 결정 구조 내에서의 상기 입자들의 움직임 데이터를 측정하는 단계;
상기 획득된 움직임 데이터의 분포가 신뢰 구간에 포함되는지 여부를 판단하는 단계; 및
상기 신뢰 구간에 포함되는 움직임 데이터의 분포를 이용하여, 상기 결정 구조를 갖는 입자들의 특성을 결정하는 단계를 포함하는 입자들의 특성을 분석하는 방법. Obtaining information on the crystal structure of the particles;
Measuring motion data of the particles in the crystal structure;
Determining whether a distribution of the obtained motion data is included in a confidence interval; And
And determining the characteristics of the particles having the crystal structure by using the distribution of the motion data included in the confidence interval.
상기 결정된 입자들의 특성이 상기 특성에 관한 임계 범위를 만족하는지 여부를 판단하는 단계; 및
상기 판단 결과에 기초하여, 상기 입자들을 검출하는 단계를 더 포함하는 입자들의 특성을 분석하는 방법. The method according to claim 1,
Determining whether the characteristics of the determined particles satisfy a threshold range for the characteristic; And
And detecting the particles based on the determination result.
상기 결정된 입자들의 전도도(conductivity)를 포함하는 입자들의 특성을 분석하는 방법.The method of claim 1,
Lt; RTI ID = 0.0 > a < / RTI > conductivity of the determined particles.
상기 획득한 움직임 데이터를 기초로 스켈람(skellam) 분포 모델을 생성하는 단계; 및
상기 생성된 분포 모델에 우도 결정 방법을 적용하여 산출한 신뢰 구간에 상기 획득한 움직임 데이터의 상한값과 하한값이 포함되는지 여부를 판단하는 단계를 포함하는 입자들의 특성을 분석하는 방법.2. The method according to claim 1,
Generating a skellam distribution model based on the obtained motion data; And
And determining whether an upper limit value and a lower limit value of the obtained motion data are included in a confidence interval calculated by applying a likelihood determination method to the generated distribution model.
가우시안 노이즈(Gaussian noise) 환경에서 결정되는 입자들의 특성을 분석하는 방법. 5. The method of claim 4,
A method for analyzing characteristics of particles determined in a Gaussian noise environment.
상기 움직임 데이터의 분포가 상기 신뢰 구간에 포함되지 않는 경우, 상기 움직임 데이터를 재획득하는 단계를 더 포함하는 입자들의 특성을 분석하는 방법. The method according to claim 1,
And if the distribution of the motion data is not included in the confidence interval, re-acquiring the motion data.
상기 신뢰 구간에 포함되는 움직임 데이터의 분포에 관한 정보를 디스플레이 하는 단계를 더 포함하는 입자들의 특성을 분석하는 방법. The method according to claim 1,
And displaying information about a distribution of motion data included in the confidence interval.
적어도 하나의 결정 구조에 관한 정보를 포함하는 결정 구조 데이터베이스로부터 선택된 결정 구조에 관한 정보를 획득하는 입자들의 특성을 분석하는 방법. 2. The method of claim 1,
A method for characterizing particles that obtain information about a crystal structure selected from a crystal structure database containing information about at least one crystal structure.
상기 결정 구조에 대한 시뮬레이션을 수행하여, 상기 입자들의 움직임 데이터를 측정하는 입자들의 특성을 분석하는 방법. 2. The method of claim 1, wherein measuring the motion data comprises:
Performing a simulation on the crystal structure to analyze characteristics of particles measuring motion data of the particles.
상기 결정 구조 내에서의 상기 입자들의 움직임 데이터를 측정하는 데이터 획득부; 및
상기 획득된 움직임 데이터의 분포가 신뢰 구간에 포함되는지 여부를 판단하고 상기 신뢰 구간에 포함되는 움직임 데이터의 분포를 이용하여, 상기 결정 구조를 갖는 입자들의 특성을 결정하는 제어부를 포함하는 입자들의 특성을 분석하는 장치. An input unit for acquiring information on a crystal structure of the particles;
A data acquisition unit for measuring motion data of the particles in the crystal structure; And
A controller for determining whether the distribution of the obtained motion data is included in the confidence interval and determining the characteristics of the particles having the crystal structure using the distribution of the motion data included in the confidence interval, Analyzing device.
상기 결정된 입자들의 특성이 상기 특성에 관한 임계 범위를 만족하는지 여부를 판단하고, 상기 판단 결과에 기초하여, 상기 입자들을 검출하는 입자들의 특성을 분석하는 장치. 11. The apparatus according to claim 10,
Determining whether a characteristic of the determined particles satisfies a critical range with respect to the characteristic, and based on a result of the determination, analyzing characteristics of the particles that detect the particles.
상기 결정된 입자들의 전도도(conductivity)를 포함하는 입자들의 특성을 분석하는 장치.11. The method of claim 10,
And the conductivity of the determined particles.
상기 획득한 움직임 데이터를 기초로 스켈람(skellam) 분포 모델을 생성하고, 상기 생성된 분포 모델에 우도 결정 방법을 적용하여 산출한 신뢰 구간에 상기 획득한 움직임 데이터의 상한값과 하한값이 포함되는지 여부를 판단하는 입자들의 특성을 분석하는 장치.11. The apparatus according to claim 10,
A skellam distribution model is generated based on the obtained motion data and whether or not the upper limit value and the lower limit value of the acquired motion data are included in the confidence interval calculated by applying the likelihood determination method to the generated distribution model Apparatus for analyzing characteristics of particles to be judged.
가우시안 노이즈(Gaussian noise) 환경에서 결정되는 입자들의 특성을 분석하는 장치.11. The method of claim 10,
Apparatus for analyzing characteristics of particles determined in a Gaussian noise environment.
상기 움직임 데이터의 분포가 상기 신뢰 구간에 포함되지 않는 경우, 상기 움직임 데이터를 재획득하는 입자들의 특성을 분석하는 장치. 14. The data processing apparatus according to claim 13,
And when the distribution of the motion data is not included in the confidence interval, analyzes the characteristics of the particles to reacquire the motion data.
상기 신뢰 구간에 포함되는 움직임 데이터의 분포에 관한 정보를 디스플레이 하는 출력부를 더 포함하는 입자들의 특성을 분석하는 장치.11. The method of claim 10,
And an output unit for displaying information on distribution of motion data included in the confidence interval.
적어도 하나의 결정 구조에 관한 정보를 포함하는 결정 구조 데이터베이스로부터 선택된 결정 구조에 관한 정보를 획득하는 입자들의 특성을 분석하는 장치.11. The apparatus of claim 10,
And acquiring information on a crystal structure selected from a crystal structure database containing information on at least one crystal structure.
상기 결정 구조에 대한 시뮬레이션을 수행하여, 상기 입자들의 움직임 데이터를 측정하는 입자들의 특성을 분석하는 장치.20. The apparatus of claim 19,
And performing a simulation on the crystal structure to analyze characteristics of particles measuring motion data of the particles.
A computer-readable recording medium having recorded thereon a program for causing a computer to execute a method of analyzing characteristics of particles according to any one of claims 1 to 9.
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201361910576P | 2013-12-02 | 2013-12-02 | |
| US61/910,576 | 2013-12-02 | ||
| US14/536,506 | 2014-11-07 | ||
| US14/536,506 US9904772B2 (en) | 2013-12-02 | 2014-11-07 | Screening solid state ionic conductors for high ionic conductivity |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20150063952A true KR20150063952A (en) | 2015-06-10 |
| KR102320824B1 KR102320824B1 (en) | 2021-11-03 |
Family
ID=53505587
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140170822A KR102320824B1 (en) | 2013-12-02 | 2014-12-02 | Method and apparatus for analyxing charaters of particles |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102320824B1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113053466A (en) * | 2021-03-03 | 2021-06-29 | 华南农业大学 | Method for representing fat crystal distribution sites in double-emulsion system by ternary feature vector method |
| CN113688498A (en) * | 2021-07-08 | 2021-11-23 | 北京航空航天大学 | Aircraft structure credible interval response determination method |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6366873B1 (en) * | 1999-01-20 | 2002-04-02 | The Regents Of The University Of California | Dopant profile modeling by rare event enhanced domain-following molecular dynamics |
| US6721664B1 (en) * | 2000-02-25 | 2004-04-13 | The Regents Of The University Of California | Maximum likelihood density modification by pattern recognition of structural motifs |
| JP2007248456A (en) * | 2006-02-20 | 2007-09-27 | Kyoto Univ | Cluster, system and method of cluster formation, measuring method and device of cluster or molecular electrical conduction property, and cluster or molecular electrical conduction property arithmetic program, and recording medium |
| JP2007248273A (en) * | 2006-03-16 | 2007-09-27 | Toshiba Corp | Evaluation method of physical property value, evaluation device of physical property value and evaluation program of physical property value |
| US8121431B2 (en) * | 2007-01-15 | 2012-02-21 | Korea Advanced Institute Of Science And Technology | Method and apparatus for detecting edge of image and computer readable medium processing method |
| KR20120100421A (en) * | 2011-03-04 | 2012-09-12 | (주)에프엑스기어 | System and method for fluid simulation using interaction between particles |
-
2014
- 2014-12-02 KR KR1020140170822A patent/KR102320824B1/en active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6366873B1 (en) * | 1999-01-20 | 2002-04-02 | The Regents Of The University Of California | Dopant profile modeling by rare event enhanced domain-following molecular dynamics |
| US6721664B1 (en) * | 2000-02-25 | 2004-04-13 | The Regents Of The University Of California | Maximum likelihood density modification by pattern recognition of structural motifs |
| JP2007248456A (en) * | 2006-02-20 | 2007-09-27 | Kyoto Univ | Cluster, system and method of cluster formation, measuring method and device of cluster or molecular electrical conduction property, and cluster or molecular electrical conduction property arithmetic program, and recording medium |
| JP2007248273A (en) * | 2006-03-16 | 2007-09-27 | Toshiba Corp | Evaluation method of physical property value, evaluation device of physical property value and evaluation program of physical property value |
| US8121431B2 (en) * | 2007-01-15 | 2012-02-21 | Korea Advanced Institute Of Science And Technology | Method and apparatus for detecting edge of image and computer readable medium processing method |
| KR20120100421A (en) * | 2011-03-04 | 2012-09-12 | (주)에프엑스기어 | System and method for fluid simulation using interaction between particles |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113053466A (en) * | 2021-03-03 | 2021-06-29 | 华南农业大学 | Method for representing fat crystal distribution sites in double-emulsion system by ternary feature vector method |
| CN113688498A (en) * | 2021-07-08 | 2021-11-23 | 北京航空航天大学 | Aircraft structure credible interval response determination method |
| CN113688498B (en) * | 2021-07-08 | 2023-05-23 | 北京航空航天大学 | Method for determining trusted interval response of aircraft structure |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102320824B1 (en) | 2021-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hu et al. | State estimation for advanced battery management: Key challenges and future trends | |
| Liang et al. | A comparative study between physics, electrical and data driven lithium-ion battery voltage modeling approaches | |
| Frembgen-Kesner et al. | Absolute protein-protein association rate constants from flexible, coarse-grained Brownian dynamics simulations: the role of intermolecular hydrodynamic interactions in barnase-barstar association | |
| Zhong et al. | State of charge estimation of lithium-ion batteries using fractional order sliding mode observer | |
| Siekmann et al. | MCMC estimation of Markov models for ion channels | |
| Jungst et al. | Accelerated calendar and pulse life analysis of lithium-ion cells | |
| Hua et al. | Finding a better fit for lithium ion batteries: A simple, novel, load dependent, modified equivalent circuit model and parameterization method | |
| Grass et al. | Polyelectrolytes in electric fields: Measuring the dynamical effective charge and effective friction | |
| Sricharan et al. | Estimation of nonlinear functionals of densities with confidence | |
| Grass et al. | Importance of hydrodynamic shielding for the dynamic behavior of short polyelectrolyte chains | |
| JP6179305B2 (en) | Classification device, classification method, and electronic equipment | |
| JP2019512089A (en) | System and method for generation and use of an electrothermal battery model | |
| Flenner et al. | Active matter: Quantifying the departure from equilibrium | |
| CN103559398B (en) | The Uncertainty Analysis Method of automotive disc brake system vibration stability | |
| Vehkamäki et al. | Rethinking the application of the first nucleation theorem to particle formation | |
| Makinejad et al. | A lumped electro-thermal model for Li-ion cells in electric vehicle application | |
| Seitl et al. | Power hardware-in-the-loop implementation and verification of a real time capable battery model | |
| Liu et al. | Battery degradation model and multiple-indicators based lifetime estimator for energy storage system design and operation: Experimental analyses of cycling-induced aging | |
| Vijaykumar et al. | The intrinsic rate constants in diffusion-influenced reactions | |
| KR20150063952A (en) | Method and apparatus for analyxing charaters of particles | |
| Lin et al. | A depth-averaged electrokinetic flow model for shallow microchannels | |
| Hamar et al. | Anode potential estimation in lithium-ion batteries using data-driven models for online applications | |
| Paz et al. | Time recovery for a complex process using accelerated dynamics | |
| Bills et al. | Massively distributed bayesian analysis of electric aircraft battery degradation | |
| Hickey et al. | Electrophoretic mobility reversal of polyampholytes induced by strong electric fields or confinement |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |