KR20230156589A - 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법 및 이를 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체 - Google Patents
고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법 및 이를 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체 Download PDFInfo
- Publication number
- KR20230156589A KR20230156589A KR1020220056204A KR20220056204A KR20230156589A KR 20230156589 A KR20230156589 A KR 20230156589A KR 1020220056204 A KR1020220056204 A KR 1020220056204A KR 20220056204 A KR20220056204 A KR 20220056204A KR 20230156589 A KR20230156589 A KR 20230156589A
- Authority
- KR
- South Korea
- Prior art keywords
- strength
- molecular structure
- predicting
- adhesive
- adhesive strength
- Prior art date
Links
- 229920006332 epoxy adhesive Polymers 0.000 title claims abstract description 35
- 230000001070 adhesive effect Effects 0.000 title claims abstract description 29
- 239000000853 adhesive Substances 0.000 title claims abstract description 28
- 238000005094 computer simulation Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 15
- 229920005989 resin Polymers 0.000 claims abstract description 31
- 239000011347 resin Substances 0.000 claims abstract description 31
- 238000004088 simulation Methods 0.000 claims abstract description 28
- 239000000203 mixture Substances 0.000 claims abstract description 20
- 238000009472 formulation Methods 0.000 claims abstract description 19
- 239000003795 chemical substances by application Substances 0.000 claims abstract description 18
- 238000010276 construction Methods 0.000 claims abstract description 18
- 238000013461 design Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004132 cross linking Methods 0.000 claims description 13
- 239000004848 polyfunctional curative Substances 0.000 claims description 10
- 230000009477 glass transition Effects 0.000 claims description 9
- IISBACLAFKSPIT-UHFFFAOYSA-N bisphenol A Chemical compound C=1C=C(O)C=CC=1C(C)(C)C1=CC=C(O)C=C1 IISBACLAFKSPIT-UHFFFAOYSA-N 0.000 claims description 8
- PXKLMJQFEQBVLD-UHFFFAOYSA-N bisphenol F Chemical compound C1=CC(O)=CC=C1CC1=CC=C(O)C=C1 PXKLMJQFEQBVLD-UHFFFAOYSA-N 0.000 claims description 6
- 239000004593 Epoxy Substances 0.000 claims description 5
- -1 4,4'-diaminodiphenyl silane Chemical compound 0.000 claims description 4
- FAUAZXVRLVIARB-UHFFFAOYSA-N 4-[[4-[bis(oxiran-2-ylmethyl)amino]phenyl]methyl]-n,n-bis(oxiran-2-ylmethyl)aniline Chemical compound C1OC1CN(C=1C=CC(CC=2C=CC(=CC=2)N(CC2OC2)CC2OC2)=CC=1)CC1CO1 FAUAZXVRLVIARB-UHFFFAOYSA-N 0.000 claims description 4
- GYZLOYUZLJXAJU-UHFFFAOYSA-N diglycidyl ether Chemical compound C1OC1COCC1CO1 GYZLOYUZLJXAJU-UHFFFAOYSA-N 0.000 claims description 4
- LJGHYPLBDBRCRZ-UHFFFAOYSA-N 3-(3-aminophenyl)sulfonylaniline Chemical compound NC1=CC=CC(S(=O)(=O)C=2C=C(N)C=CC=2)=C1 LJGHYPLBDBRCRZ-UHFFFAOYSA-N 0.000 claims description 2
- LCFVJGUPQDGYKZ-UHFFFAOYSA-N Bisphenol A diglycidyl ether Chemical compound C=1C=C(OCC2OC2)C=CC=1C(C)(C)C(C=C1)=CC=C1OCC1CO1 LCFVJGUPQDGYKZ-UHFFFAOYSA-N 0.000 claims description 2
- JMANVNJQNLATNU-UHFFFAOYSA-N oxalonitrile Chemical compound N#CC#N JMANVNJQNLATNU-UHFFFAOYSA-N 0.000 claims description 2
- 229910000077 silane Inorganic materials 0.000 claims description 2
- PULOARGYCVHSDH-UHFFFAOYSA-N 2-amino-3,4,5-tris(oxiran-2-ylmethyl)phenol Chemical compound C1OC1CC1=C(CC2OC2)C(N)=C(O)C=C1CC1CO1 PULOARGYCVHSDH-UHFFFAOYSA-N 0.000 claims 2
- 229930185605 Bisphenol Natural products 0.000 claims 2
- 238000000329 molecular dynamics simulation Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 12
- 238000000324 molecular mechanic Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 229920000642 polymer Polymers 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012827 research and development Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 3
- 125000003700 epoxy group Chemical group 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 125000003277 amino group Chemical group 0.000 description 2
- 238000000137 annealing Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 239000003822 epoxy resin Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 125000000524 functional group Chemical group 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 229920000647 polyepoxide Polymers 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000002945 steepest descent method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- ISWSIDIOOBJBQZ-UHFFFAOYSA-N Phenol Chemical compound OC1=CC=CC=C1 ISWSIDIOOBJBQZ-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000003085 diluting agent Substances 0.000 description 1
- 238000010292 electrical insulation Methods 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 230000006903 response to temperature Effects 0.000 description 1
- 238000007142 ring opening reaction Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 229920001187 thermosetting polymer Polymers 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
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
-
- C—CHEMISTRY; METALLURGY
- C09—DYES; PAINTS; POLISHES; NATURAL RESINS; ADHESIVES; COMPOSITIONS NOT OTHERWISE PROVIDED FOR; APPLICATIONS OF MATERIALS NOT OTHERWISE PROVIDED FOR
- C09J—ADHESIVES; NON-MECHANICAL ASPECTS OF ADHESIVE PROCESSES IN GENERAL; ADHESIVE PROCESSES NOT PROVIDED FOR ELSEWHERE; USE OF MATERIALS AS ADHESIVES
- C09J163/00—Adhesives based on epoxy resins; Adhesives based on derivatives of epoxy resins
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N19/00—Investigating materials by mechanical methods
- G01N19/04—Measuring adhesive force between materials, e.g. of sealing tape, of coating
Landscapes
- Chemical & Material Sciences (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Organic Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Epoxy Resins (AREA)
Abstract
본 발명은 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법 및 이를 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체에 관한 것으로, 보다 구체적으로 적어도 하나의 프로세서에 의하여, 수지와 경화제 각각의 종류와 첨가비율이 선정되는 포뮬레이션 단계, 상기 적어도 하나의 프로세서에 의하여, 선정된 수지와 경화제 각각의 종류와 첨가비율이 시뮬레이션에 이용되어 최적분자구조가 도출되는 분자구조 설계단계 및 상기 적어도 하나의 프로세서에 의하여, 상기 최적분자구조에 대한 특성이 수집되는 특성 수집단계를 포함하는 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법 및 이를 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체에 관한 것이다.
Description
본 발명은 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법 및 이를 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체에 관한 것으로, 보다 구체적으로 수지와 경화제 각각의 종류와 첨가비율에 따른 시뮬레이션을 통해서 최적분자구조가 설계되고, 최적분자구조에 대한 다양한 특성이 수집되는 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법 및 이를 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체에 관한 것이다.
에폭시 접착제는 에폭시 수지, 경화제, 충진제, 희석제 등과 기타 첨가제를 기본 베이스로 하는 열경화성 수지계 접착제로, 접착성이 매우 양호하여 강철, 구리, 목재 및 각종 플라스틱 접합에 널리 사용되고 있다. 최근 이종 또는 다종 소재 간 접합기술에 대한 필요성이 증대되어, 접착성이 매우 양호한 에폭시 접착제에 대한 수요가 나날이 증가하고 있고 그 중요성 또한 부각되고 있다.
에폭시 수지는 각종 기재에 대한 접착성, 내열성, 내약품성, 전기절연특성 등 다른 수지와 비교할 때 우수한 특성을 갖고 있어 가정용, 공업, 건축, 전기, 자동차, 항공기 등 넓은 산업분야에서 이용되고 있다.
하지만 종래에는 새롭고 더 강력한 에폭시 접착제를 제조하기 위해서 조성물 간의 포뮬레이션 작업 시 작업자의 노하우를 기반으로 진행함으로 방대한 양을 직접 확인해야하고, 이에 따라 상당한 시간이 걸리는 기술적 한계가 있다. 즉, 애폭시 접착제의 포뮬레이션에 대한 데이터베이스가 구축되어 있지 않아 다양한 상황에 적합한 에폭시 접착제를 제조 및 선별하는데 어려움이 있다.
따라서 전술한 문제점을 보완하기 위해 본 발명가들은 고강도의 에폭시 접착제를 설계하고 적용하는데 있어서 효과적인 방향성을 제시할 수 있는 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법의 개발이 시급하다 인식하여 본 발명을 완성하였다.
본 발명은 상기와 같은 문제점을 해결하기 위한 것으로 고강도 에폭시 접착제의 포뮬레이션을 출력하는 인공지능 모델을 학습 및 생성하여 연구개발에 투입되는 시간과 인력을 줄일 수 있도록 수지와 경화제 각각의 종류와 첨가비율에 따른 시뮬레이션을 통해서 최적분자구조가 설계되고, 최적분자구조에 대한 다양한 특성이 수집되는 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법 및 이를 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 얻고자 하는 것을 목적으로 한다.
본 발명이 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 본 발명의 기재로부터 당해 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있다.
상기 목적을 달성하기 위하여, 본 발명의 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법은 적어도 하나의 프로세서에 의하여, 수지와 경화제 각각의 종류와 첨가비율이 선정되는 포뮬레이션 단계; 상기 적어도 하나의 프로세서에 의하여, 선정된 수지와 경화제 각각의 종류와 첨가비율이 시뮬레이션에 이용되어 최적분자구조가 도출되는 분자구조 설계단계; 및 상기 적어도 하나의 프로세서에 의하여, 상기 최적분자구조에 대한 특성이 수집되는 특성 수집단계;를 제공한다.
상기 목적을 달성하기 위하여, 본 발명은 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법을 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.
이상과 같이 본 발명에 의하면 수지와 경화제 각각의 종류와 첨가비율에 따른 시뮬레이션을 통해서 최적분자구조가 설계되고, 최적분자구조에 대한 다양한 특성이 수집됨으로써, 고강도 에폭시 접착제의 접착강도 예측을 위한 데이터베이스를 구축할 수 있다.
또한, 본 발명은 구축된 데이터베이스를 통해서 고강도 에폭시 접착제의 포뮬레이션을 출력하는 인공지능 모델을 학습 및 생성할 수 있고, 이에 따라 연구개발에 투입되는 시간과 인력을 현저히 줄일 수 있는 효과가 있다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 상세한 설명 및 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법 흐름도이다.
도 2는 본 발명의 일실시예에 따른 경화 전 최적분자구조에 대한 분자구조 설계단계 및 특성 수집단계의 세부흐름도이다.
도 3은 본 발명의 일실시예에 따른 경화된 최적분자구조에 대한 분자구조 설계단계 및 특성 수집단계의 세부흐름도이다.
도 4는 본 발명의 일실시예에 따른 수지와 경화제 각각의 종류를 표시한 도면이다.
도 5는 본 발명의 일실시예에 따른 수지와 경화제의 포뮬레이션을 표시한 도면이다.
도 6은 본 발명의 일실시예에 따른 분자 역학(MM) 시뮬레이션에서 임의의 분자구조에 대한 에너지 변화를 표시한 도면이다.
도 7은 본 발명의 일실시예에 따른 가교결합이 일어나는 원소를 기준으로 가교결합 트래킹(Tracking)되는 것을 표시한 도면이다.
도 8은 본 발명의 일실시예에 따른 경화율에 대한 비결합(non-bonded) 에너지와 응집에너지밀도(CED)를 표시한 도면이다.
도 9는 본 발명의 일실시예에 따른 탄성계수(Modulus) 도출을 위한 Stress-strain simulation(a)과 Stress-strain curve(b)를 표시한 도면이다.
도 10은 본 발명의 일실시예에 따른 유리전이온도(Tg) 도출을 위한 시간에 대한 온도변화 그래프(a), 시간에 대한 밀도변화 그래프(b) 및 온도에 대한 밀도변화 그래프(c)를 표시한 도면이다.
도 2는 본 발명의 일실시예에 따른 경화 전 최적분자구조에 대한 분자구조 설계단계 및 특성 수집단계의 세부흐름도이다.
도 3은 본 발명의 일실시예에 따른 경화된 최적분자구조에 대한 분자구조 설계단계 및 특성 수집단계의 세부흐름도이다.
도 4는 본 발명의 일실시예에 따른 수지와 경화제 각각의 종류를 표시한 도면이다.
도 5는 본 발명의 일실시예에 따른 수지와 경화제의 포뮬레이션을 표시한 도면이다.
도 6은 본 발명의 일실시예에 따른 분자 역학(MM) 시뮬레이션에서 임의의 분자구조에 대한 에너지 변화를 표시한 도면이다.
도 7은 본 발명의 일실시예에 따른 가교결합이 일어나는 원소를 기준으로 가교결합 트래킹(Tracking)되는 것을 표시한 도면이다.
도 8은 본 발명의 일실시예에 따른 경화율에 대한 비결합(non-bonded) 에너지와 응집에너지밀도(CED)를 표시한 도면이다.
도 9는 본 발명의 일실시예에 따른 탄성계수(Modulus) 도출을 위한 Stress-strain simulation(a)과 Stress-strain curve(b)를 표시한 도면이다.
도 10은 본 발명의 일실시예에 따른 유리전이온도(Tg) 도출을 위한 시간에 대한 온도변화 그래프(a), 시간에 대한 밀도변화 그래프(b) 및 온도에 대한 밀도변화 그래프(c)를 표시한 도면이다.
본 명세서에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
다르게 정의되지 않는 한 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 실시예를 첨부한 도면을 참조하여 상세히 설명하기로 한다. 도 1은 본 발명의 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법 흐름도이다. 도 2는 본 발명의 일실시예에 따른 경화 전 최적분자구조에 대한 분자구조 설계단계(S200) 및 특성 수집단계(S300)의 세부흐름도이다. 도 3은 본 발명의 일실시예에 따른 경화된 최적분자구조에 대한 분자구조 설계단계(S200) 및 특성 수집단계(S300)의 세부흐름도이다. 도 4는 본 발명의 일실시예에 따른 수지와 경화제 각각의 종류를 표시한 도면이다. 도 5는 본 발명의 일실시예에 따른 수지와 경화제의 포뮬레이션을 표시한 도면이다. 도 6은 본 발명의 일실시예에 따른 분자 역학(MM) 시뮬레이션에서 임의의 분자구조에 대한 에너지 변화를 표시한 도면이다. 도 7은 본 발명의 일실시예에 따른 가교결합이 일어나는 원소를 기준으로 가교결합 트래킹(Tracking)되는 것을 표시한 도면이다. 도 8은 본 발명의 일실시예에 따른 경화율에 대한 비결합 에너지(non-bonded)와 응집에너지밀도(CED)를 표시한 도면이다. 도 9는 본 발명의 일실시예에 따른 탄성계수(Modulus) 도출을 위한 Stress-strain simulation(a)과 Stress-strain curve(b)를 표시한 도면이다. 도 10은 본 발명의 일실시예에 따른 유리전이온도(Tg) 도출을 위한 시간에 대한 온도변화 그래프(a), 시간에 대한 밀도변화 그래프(b) 및 온도에 대한 밀도변화 그래프(c)를 표시한 도면이다.
우선, 본 발명은 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법을 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체(120)를 포함한다. 상기 기록매체(120)는 예컨대, CD, DVD, 하드디스크, 블루레이 디스크, USB, 메모리 카드, ROM 등일 수 있다. 그리고 본 발명의 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법은 컴퓨터 장치(100) 내 적어도 하나의 프로세서(110)가 상기 기록매체(120)를 읽음으로써 구현될 수 있다.
도 1을 보면, 본 발명의 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법은 포뮬레이션 단계(S100), 분자구조 설계단계(S200) 및 특성 수집단계(S300)를 포함한다.
보다 구체적으로, 상기 포뮬레이션 단계(S100)는 적어도 하나의 프로세서(110)에 의하여, 수지와 경화제 각각의 종류와 첨가비율이 선정된다.
경화(硬化)는 상기 수지(Resin)의 에폭시기(Epoxy group)와 상기 경화제(Curing Agents)의 아민기(Amine group)가 서로 반응함에 따라 에폭시기(Epoxy group)의 고리열림(Ring opening)이 발생되고 연결되는 현상이다. 본 발명에서 경화(硬化)된다는 것은 가교결합이 일어나는 원소가 기준이 되어 가교결합(Cross-linked)된다는 것을 일컫는다. 따라서 접착제 제조 시 상기 수지와 경화제 각각의 종류와 첨가비율이 상당히 중요하다.
상기 수지와 경화제 각각의 종류에 있어서, 도 4를 보면 상기 수지는, 비스페놀A형 에폭시(Diglycidyl Ether of Bisphenol A; DGEBA), 비스페놀F형 에폭시(Diglycidyl Ether of Bisphenol F; DGEBF), 트리글리시딜아미노페놀(TGAP), 테트라글리시딜메틸렌디아닐린(TGMDA)을 포함할 수 있다. 그리고 상기 경화제는, 3,3'-디아미노디페닐 설폰(33DDS), 4,4'-디아미노디페닐 실란(44DDS), 디시안다이민(Decyan deamin; DICY)을 포함할 수 있다.
상기 수지와 경화제 각각의 첨가비율에 있어서, 상술한 수지와 경화제 각각의 종류가 갖고 있는 작용기(Functional group)의 개수에 따라 각각의 첨가비율은 상이할 수 있다. 도 5의 일실시예를 보면, 상기 포뮬레이션 단계(S100)로부터 상기 상술한 4가지 종류의 수지와 3가지 종류의 경화제가 갖는 각각의 작용기(Functional group)의 개수가 고려되어 첨가되는 각 분자개수의 비율이 선정되었고, 총 54개의 포뮬레이션이 도출되었다.
다음으로, 상기 분자구조 설계단계(S200)는 상기 적어도 하나의 프로세서(110)에 의하여, 선정된 수지와 경화제 각각의 종류와 첨가비율이 시뮬레이션에 이용되어 최적분자구조가 도출된다.
본 발명에서 언급하는 시뮬레이션은 분자 역학(Molecular Mechanics; MM) 또는 분자 동역학(Molecular Dynamics; MD) 시뮬레이션일 수 있다. 일반적으로, 분자 역학(MM) 및 분자 동역학(MD) 시뮬레이션은 ‘원자’를 모사대상으로 하여 시간에 따른 원자의 움직임을 계산하는 전산모사 기술이다. 이때, 원자가 최소 계산 단위인 분자 역학에서는 전자의 이동을 수반하는 화학결합을 따로 계산할 수 없기 때문에 이러한 정보들이 미리 힘장(Force-field)으로 주어지지 않으면 계산 자체가 불가능 하다. 즉, 계산을 위한 원자 및 화학결합의 여러 변수들을 미리 정해 놓은 것을 힘장(Force-field)이라고 한다. 따라서 힘장(Force-field)은 모사 대상의 분자구조와 함께 분자 역학(MM) 및 분자 동역학(MD) 시뮬레이션을 수행하기 위한 가장 중요한 입력변수이다. 힘장(Force-field)의 종류는 pcff(polymer consistent forcefield), COMPASS, cvff, Dreiding, Universial 등이 있다. 이밖에도 상기 시뮬레이션은 온도, 반복횟수, 시간, 앙상블(ensemble) 등이 설정조건으로 기 설정될 수 있다.
도 2 내지 도 3을 보면, 최적분자구조가 도출되기 위해서 상기 분자구조 설계단계(S200)는 안정구조 선정단계(S210) 및 벌크화 단계(S220)를 포함할 수 있다.
우선, 상기 안정구조 선정단계(S210)는 선정된 수지와 경화제 각각의 종류에 따라 다수 개의 분자구조가 도출되고, 각각의 분자구조에서 에너지가 가장 낮은 상태인 안정구조가 선정될 수 있다.
도 6의 일실시예를 보면, 상기 안정구조 선정단계(S210)는 상기 분자 역학(MM) 시뮬레이션에서 힘장(Force-field)으로 pcff가 사용되었고, 다수 개의 분자구조 각각에 대해서 1500회 정도 반복(Iteration)되었다. 도출된 최초의 분자구조는 랜덤(Random)한 상태이기 때문에 불안정한 상태이고 정확한 물성을 파악하기 어렵다. 따라서 정확한 물성을 파악하기 위해서 상기 안정구조 선정단계(S210)는 에너지가 가장 낮은 상태의 분자구조인 안정구조를 찾을 필요가 있다.
보다 구체적으로, 상기 안정구조 선정단계(S210)는 힘장(Force-field)으로 pcff가 사용되면 Potential energy function과 여러 파라미터(parameter)에 따라서 step별로 분자구조의 에너지가 변형될 수 있다. step별로 분자구조의 에너지가 변형된 것을 표시한 에너지 경로(pathway)에서 가장 에너지가 낮은 상태를 포함하는 global minimum 또는 부분적으로 에너지가 낮은 상태를 포함하는 local minimum을 찾아갈 수 있다.
한편, 본 발명의 상기 안정구조 선정단계(S210)는 Steepest descent 방법 및 Conjugated gradient 방법을 포함하는 SMART 알고리즘이 이용되어 에너지 감소 경로를 신속하게 확인할 수 있다. 상기 안정구조 선정단계(S210)는 Steepest descent 방법을 통해서 상기 에너지 경로(pathway)의 현재위치에서 가장 에너지 감소가 가파른 곳, 즉 기울기의 절대값이 큰 곳으로 향하여 최대한 효율적으로 에너지가 낮은 상태를 찾아가거나, Conjugated gradient 방법을 통해서 이전의 history gradient 정보를 활용하여 에너지 감소 경로를 찾아갈 수 있다. 이때, 해당 알고리즘에서 필요한 목표에너지 값, force 값, 거리 값 등은 사용자에 의하여 입력될 수 있다.
다음으로, 상기 벌크화 단계(S220)는 상기 안정구조가 상기 포뮬레이션 단계(S100)로부터 선정된 첨가비율에 따라 벌크(Bulk)화되고, 벌크구조가 최적화 될 수 있다. 본 발명에서 언급하는 벌크(Bulk)화는 선정된 첨가비율에 따라 부피 또는 질량이 커짐을 일컫는다.
그리고 상기 벌크화 단계(S220)는 상기 벌크구조에 대한 상기 분자 역학(MM) 시뮬레이션이 수행될 수 있다. 상기 안정구조 선정단계(S210)에서 상술한 바와 동일하게 분자 역학(MM) 시뮬레이션이 반복(Iteration)될 수 있고, 본 발명의 일실시예에 따르면 상기 분자 역학(MM) 시뮬레이션은 힘장(Force-field)으로 pcff가 사용될 수 있다. 그리고 상기 벌크화 단계(S220)는 분자 역학(MM) 시뮬레이션으로부터 선정된 벌크구조에 대한 분자 동역학(MD) 시뮬레이션이 추가적으로 수행될 수 있고, 상기 벌크구조에 대한 평형구조가 도출될 수 있다.
상기 벌크구조에는 몇 천개, 몇 만개의 원자가 포함되어 있는데, 원자 하나하나를 미시상태라고 하고 원자들이 모인 상기 벌크구조를 거시상태라고 한다면, 거시적으로 온도는 298K이지만 미시적으로 임의의 원자의 온도는 297K, 또 다른 원자의 온도는 299K로 미세하게 다를 수 있다. 이러한 상태를 Fluctuation이라 한다. Fluctuation을 최소화하고 각각의 원자들이 동일한 값을 가져야만 거시상태의 온도가 정확하게 대표하는 온도값이 될 수 있다. 즉, 본 발명에서 언급하는 최적화는 상기 벌크구조의 특성에 대해서 거시상태와 미시상태의 오류 및 오차를 최소화하는 과정이다.
예컨대, 상기 벌크화 단계(S220)는 pcff 내 기 설정된 앙상블(ensemble)을 통해서 상기 벌크구조 내 각자의 값을 갖는 microstates가 하나의 일정한 특성을 갖도록 할 수 있다. 상기 분자 동역학(MD) 시뮬레이션은 298K, NVT ensemble/NPT ensemble, 100ps 이라는 기 설정된 설정조건에 따라 수행될 수 있다. NVT ensemble은 총 입자 개수, 부피, 온도가 일정한 조건이고, NPT ensemble은 총 입자 개수, 압력, 온도가 일정한 조건이다.
그리고 상술한 조건 하에, 상기 벌크화 단계(S220)는 nose-hoover 알고리즘이 이용되어 온도 특성의 Fluctuation이 스케일링(Scaling)될 수 있다. 이때, 각 원자의 microstates의 Fluctuation을 완전히 차단하는 것은 불가피하기 때문에 미시상태의 평균값이 연산될 수 있다. 그리고 상기 벌크화 단계(S220)는 barostat에서 Berendsen 알고리즘이 이용되어 부피 특성이 스케일링(Scaling)될 수 있다. 이 외에도 상기 벌크화 단계(S220)는 각각의 식과 알고리즘이 이용되어 속도, 시간 특성이 스케일링(Scaling)될 수 있다.
따라서 상기 벌크화 단계(S220)는 상기 벌크구조에 대한 온도, 부피, 속도, 시간 특성이 각 알고리즘이 이용되어 스케일링(Scaling)됨으로써, 상기 벌크구조가 최적화될 수 있고 상기 평형구조가 도출될 수 있다. 이때, 상기 평형구조는 뉴턴의 법칙이 적용되어 시간 혹은 앙상블(ensemble)이 평균된 상태라 할 수 있다. 본 발명에서는 상기 벌크구조에 대한 평형구조를 상기 최적분자구조라고 일컫는다.
다음으로, 본 발명은 경화 전 상기 최적분자구조에 대한 특성과 경화된 상기 최적분자구조에 대한 특성이 구분되어 수집되는 것을 특징으로 한다.
도 2를 보면 경화 전 상기 최적분자구조에 대한 특성을 수집하는데 있어서, 상기 분자구조 설계단계(S200)는 상기 벌크화 단계(S220)로부터 최적화된 벌크구조에 대한 응집에너지밀도(Cohesive Energy Density; CED)가 산출되는 CED 산출단계(S230)를 더 포함하고, 상기 특성 수집단계(S300)는, 상기 응집에너지밀도(CED)가 상기 특성으로 수집되는 것을 특징으로 한다.
고강도 에폭시 접착제는 힘을 가할 때 발생하는 크랙(Crack)을 방지하기 위해서 접착강도(Cohesive strength)에 대한 물성을 파악하는 것이 상당히 중요하다. 따라서 본 발명에서는 응집에너지밀도(CED)를 산출하여 해당 포뮬레이션에 대한 접착강도(Cohesive strength)를 미리 파악하고자 한다.
상기 응집에너지밀도(CED)는 반데르발스 결합 및 수소결합과 같은 비결합(non-bonded) 상호작용(interaction)만을 고려한 밀도이다. 도 8을 보면, 고분자와 고분자 사이 상호작용을 계산해야 하는데, 경화가 진행될수록 여러 고분자들 간 새로운 결합(bonded)을 형성하게 된다. 하나의 큰 고분자가 형성되면서 고분자들 간 비결합(non-bonded) 에너지가 줄어들고, 이에 따라 해당 구조의 응집에너지밀도(CED) 역시 줄어들게 된다. 따라서 본 발명의 상기 CED 산출단계(S230)는 경화 전 최적분자구조가 대상이 되어 상기 응집에너지밀도(CED)가 산출되는 것이 가장 바람직하다.
한편, 상기 CED 산출단계(S230)는 하기 [수학식 1]을 통해서 응집에너지밀도(CED)가 산출될 수 있다.
여기서, 상기 Ecoh는 에발드 합산(Ewald summation) 방식으로 연산된 응집에너지이다. 에발드 합산(Ewald summation)은 장거리 상호작용을 계산하는데 일반적으로 사용되는 계산 방식이다. 상기 응집에너지(Ecoh)는 비결합(non-bonded) 에너지와 방향은 반대이고 크기는 동일하다.
다음으로 도 3을 보면, 경화된 상기 최적분자구조에 대한 특성을 수집하는데 있어서, 우선 상기 분자구조 설계단계(S200)는, 상기 벌크화 단계(S220)로부터 최적화된 벌크구조가 경화되고, 경화된 벌크구조에서 가교결합이 일어나는 원소가 기준이 되어 가교결합이 트레킹(Tracking) 되는 경화 단계(S240)를 더 포함할 수 있다.
도 7을 보면, 상기 가교결합이 일어나는 원소는 상기 수지(Resin)의 에폭시기(Epoxy group)의 탄소(R1)와 상기 경화제(Curing agent)의 아민기(Amine group)의 질소(R2)를 포함할 수 있다. 그리고 가교결합 시뮬레이션에서 R1과 R2를 기준으로 가교결합이 트레킹(Tracking) 될 수 있다. 이때, 본 발명의 일실시예에 따른 시뮬레이션의 기 설정된 설정조건은 298K, pcff, NVT ensemble, 목표경화율 100%일 수 있다.
그리고 상기 분자구조 설계단계(S200)는, 상기 경화 단계(S240)로부터 경화된 벌크구조에 대한 경화율이 산출되는 경화율 산출단계(S250)를 더 포함할 수 있고, 상기 특성 수집단계(S300)는, 상기 경화율이 기 설정된 설정범위 이내이면, 경화된 벌크구조에 대한 상기 경화율이 상기 특성으로 수집되는 것을 특징으로 한다. 가장 바람직하게, 상기 설정범위는 90% 내지 100% 이내 또는 93% 내지 100% 이내일 수 있다.
한편, 상기 경화율 산출단계(S250)는 상기 포뮬레이션 단계(S100)로부터 선정된 수지와 경화제를 대상으로 상기 경화 단계(S240)에서 상기 경화제와 반응하여 연결된 수지의 개수를 전체 수지의 개수로 나눠주면 상기 경화율이 산출되는 것이 가장 바람직하다.
상술한 바와 같이 상기 경화율 산출단계(S250)로부터 상기 경화율은 경화제를 기준으로 산출되는 것이 아니라 수지를 기준으로 산출되는 것이다. 그리고 상기 경화율 산출단계(S250)는 상기 경화 단계(S240)로부터 상기 벌크구조가 경화될 때마다 반복적으로 상기 경화율이 산출될 수 있다. 상기 경화율이 기 설정된 설정범위에 도달하면 상기 경화율 산출단계(S250)로부터 상기 경화율이 산출되는 것이 종료될 수 있고, 기 설정된 설정범위에 도달하지 않더라도 더 이상 반응할 수지가 남아있지 않는다면 상기 경화율이 산출되는 것이 종료될 수 있다.
또한, 상기 특성 수집단계(S300)는 상기 경화율이 상기 설정범위에 도달하지 못하는 벌크구조의 경우 데이터베이스를 구축하기 위해 수집될 수 없고, 배제된다. 따라서 본 발명에 따라 구축된 데이터베이스를 통해서 보다 정확하게 인공지능 모델을 학습 및 생성할 수 있고, 생성된 인공지능 모델을 통해서 종래 보다 신속하게 고강도 에폭시 접착제의 포뮬레이션을 출력할 수 있어 연구개발에 투입되는 시간과 인력을 줄일 수 있는 현저한 효과가 있다.
다음으로, 상기 특성 수집단계(S300)는 상기 적어도 하나의 프로세서(110)에 의하여, 상기 최적분자구조에 대한 특성이 수집된다. 상기 특성 수집단계(S300)는 상술한 바와 같이 경화 전 최적분자구조에 대한 응집에너지밀도(CED)가 상기 특성으로 수집될 수 있고, 상기 경화 단계(S240)로부터 경화된 최적분자구조에 대한 경화율이 상기 특성으로 수집될 수 있다.
또한, 상기 특성 수집단계(S300)는, 상기 경화 단계(S240)로부터 경화된 벌크구조에 대한 밀도(Density), 자유부피비(Free volume ratio), 탄성계수(Modulus), 유리전이온도(Glass transition temperature; Tg) 중 적어도 하나를 포함하는 특성이 수집되는 것을 특징으로 한다.
도 9의 (a)를 보면, 본 발명에 일실시예에 따라 상기 탄성계수(Modulus)가 수집됨에 있어서, 상기 특성 수집단계(S300)는 Stress-strain simulation이 가능한 알고리즘이 이용되어 상기 경화 단계(S240)로부터 경화된 벌크구조에 0, 20, 40, 60, 80, 100MPa 만큼의 하중(Stress)을 가하여 그에 따른 X축, Y축, Z축의 변형률(strain)이 도출될 수 있다. 그리고 도 9의 (b)를 보면, 각 축의 변형률(strain)의 평균값에 대한 하중(Stress) 비율인 탄성계수(Modulus)가 도출될 수 있다. 즉, 상기 특성 수집단계(S300)는 deformation에 대한 기계적 특성을 확인할 수 있도록 상기 탄성계수(Modulus)가 수집될 수 있다.
도 10을 보면, 본 발명에 일실시예에 따라 상기 유리전이온도(Tg)가 수집됨에 있어서, 상기 특성 수집단계(S300)는 상기 경화 단계(S240)로부터 경화된 벌크구조가 300K 내지 600K 범위이내에서 어닐링(Annealing)되고, 온도변화에 따라 기울기가 변하는 지점이 확인되어 상기 유리전이온도(Tg)가 도출될 수 있다. 이때, 고분자 네트워크의 유동성과 반응성이 높을수록 온도가 높아짐에 따라 유동성이 증가하여 상기 유리전이온도(Tg)가 낮아진다. 상기 특성 수집단계(S300)는 온도변화에 대한 열적 특성을 확인할 수 있도록 상기 유리전이온도(Tg)가 수집될 수 있다.
보통의 물질은 고체 상태에서 녹는점 이상이 되면 액체가 된다. 그러나 폴리머의 경우 긴 사슬이기 때문에 전체 분자가 한 번에 유동성을 가지기 어렵다. 따라서 가열하게 되면 사슬의 일부가 이동하거나 조금씩 자리를 옮기면서 부분적으로 유동성을 갖는다. 즉, 얼어 있는 상태인 유리상(glass state)에서 유동이 조금씩 일어나 전이(transition) 현상이 일어나는 지점의 온도를 유리전이온도(Tg)라 일컫는다. 그리고 어닐링(Annealing)은 일정한 온도로 가열한 다음 천천히 식혀서 내부 조직을 고르게 하고 응력을 제거하는 열처리 조작을 일컫는다.
본 발명에 의하면, 고강도 에폭시 접착제의 접착강도 예측을 위한 데이터베이스를 구축할 수 있다. 이렇게 구축된 상기 데이터베이스를 통해서 에폭시 접착제의 포뮬레이션을 출력하는 인공지능 모델을 학습 및 생성할 수 있고, 이에 따라 고강도 에폭시 접착제의 연구개발에 투입되는 시간과 인력을 현저히 줄일 수 있는 효과가 있다.
실시예들은 하드웨어, 소프트웨어, 펌웨어, 미들웨어, 마이크로코드, 하드웨어 기술 언어, 또는 이들의 임의의 조합에 의해 구현될 수 있다. 소프트웨어, 펌웨어, 미들웨어 또는 마이크로코드로 구현되는 경우, 필요한 작업을 수행하는 프로그램 코드 또는 코드 세그먼트들은 컴퓨터 판독 가능 저장 매체에 저장되고 하나 이상의 프로세서에 의해 실행될 수 있다.
그리고 본 명세서에 설명된 주제의 양태들은 컴퓨터에 의해 실행되는 프로그램 모듈 또는 컴포넌트와 같은 컴퓨터 실행 가능 명령어들의 일반적인 맥락에서 설명될 수 있다. 일반적으로, 프로그램 모듈 또는 컴포넌트들은 특정 작업을 수행하거나 특정 데이터 형식을 구현하는 루틴, 프로그램, 객체, 데이터 구조를 포함한다. 본 명세서에 설명된 주제의 양태들은 통신 네트워크를 통해 링크되는 원격 처리 디바이스들에 의해 작업들이 수행되는 분산 컴퓨팅 환경들에서 실시될 수도 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈들은 메모리 저장 디바이스들을 포함하는 로컬 및 원격 컴퓨터 저장 매체에 둘 다에 위치할 수 있다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 으로 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
100.. 컴퓨터 장치
110.. 적어도 하나의 프로세서
120.. 기록매체
110.. 적어도 하나의 프로세서
120.. 기록매체
Claims (8)
- 적어도 하나의 프로세서에 의하여, 수지와 경화제 각각의 종류와 첨가비율이 선정되는 포뮬레이션 단계;
상기 적어도 하나의 프로세서에 의하여, 선정된 수지와 경화제 각각의 종류와 첨가비율이 시뮬레이션에 이용되어 최적분자구조가 도출되는 분자구조 설계단계; 및
상기 적어도 하나의 프로세서에 의하여, 상기 최적분자구조에 대한 특성이 수집되는 특성 수집단계;를 포함하는 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법. - 제 1항에 있어서,
상기 분자구조 설계단계는,
선정된 수지와 경화제 각각의 종류에 따라 다수 개의 분자구조가 도출되고, 각각의 분자구조에서 에너지가 가장 낮은 상태인 안정구조가 선정되는 안정구조 선정단계; 및
상기 안정구조가 상기 포뮬레이션 단계로부터 선정된 첨가비율에 따라 벌크(Bulk)화되고, 벌크구조가 최적화 되는 벌크화 단계;를 포함하는 것을 특징으로 하는 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법. - 제 2항에 있어서,
상기 분자구조 설계단계는, 상기 벌크화 단계로부터 최적화된 벌크구조에 대한 응집에너지밀도(Cohesive Energy Density; CED)가 산출되는 CED 산출단계;를 더 포함하고,
상기 특성 수집단계는, 상기 응집에너지밀도(CED)가 상기 특성으로 수집되는 것을 특징으로 하는 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법. - 제 2항에 있어서,
상기 분자구조 설계단계는,
상기 벌크화 단계로부터 최적화된 벌크구조가 경화되고, 경화된 벌크구조에서 가교결합이 일어나는 원소가 기준이 되어 가교결합이 트레킹(Tracking) 되는 경화 단계;를 더 포함하는 것을 특징으로 하는 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법. - 제 4항에 있어서,
상기 분자구조 설계단계는, 상기 경화 단계로부터 경화된 벌크구조에 대한 경화율이 산출되는 경화율 산출단계;를 더 포함하고,
상기 특성 수집단계는, 상기 경화율이 기 설정된 설정범위 이내이면, 경화된 벌크구조에 대한 상기 경화율이 상기 특성으로 수집되는 것을 특징으로 하는 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법. - 제 4항에 있어서,
상기 특성 수집단계는,
상기 경화 단계로부터 경화된 벌크구조에 대한 밀도(Density), 자유부피비(Free volume ratio), 탄성계수(Modulus), 유리전이온도(Glass transition temperature; Tg) 중 적어도 하나를 포함하는 특성이 수집되는 것을 특징으로 하는 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법. - 제 1항에 있어서,
상기 수지는, 비스페놀A형 에폭시(Diglycidyl Ether of Bisphenol A; DGEBA), 비스페놀F형 에폭시(Diglycidyl Ether of Bisphenol F; DGEBF), 트리글리시딜아미노페놀(TGAP), 테트라글리시딜메틸렌디아닐린(TGMDA)을 포함하고,
상기 경화제는, 3,3'-디아미노디페닐 설폰(33DDS), 4,4'-디아미노디페닐 실란(44DDS), 디시안다이민(Decyan deamin; DICY)을 포함하는 것을 특징으로 하는 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법. - 제1항 내지 제7항 중 어느 한 항의 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법을 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220056204A KR20230156589A (ko) | 2022-05-06 | 2022-05-06 | 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법 및 이를 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220056204A KR20230156589A (ko) | 2022-05-06 | 2022-05-06 | 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법 및 이를 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230156589A true KR20230156589A (ko) | 2023-11-14 |
Family
ID=88745150
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220056204A KR20230156589A (ko) | 2022-05-06 | 2022-05-06 | 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법 및 이를 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230156589A (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100829706B1 (ko) | 2007-05-29 | 2008-05-14 | 호남석유화학 주식회사 | 고분자 제품의 물성 예측 방법 |
| KR20140060261A (ko) | 2011-04-15 | 2014-05-19 | 토탈 페트로케미칼즈 앤드 리파이닝 유에스에이, 인코포레이티드 | 부식제로 제거될 수 있는 핫 멜트 접착제를 위한 첨가제 조성물 및 이를 함유하는 포뮬레이션 |
-
2022
- 2022-05-06 KR KR1020220056204A patent/KR20230156589A/ko unknown
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100829706B1 (ko) | 2007-05-29 | 2008-05-14 | 호남석유화학 주식회사 | 고분자 제품의 물성 예측 방법 |
| KR20140060261A (ko) | 2011-04-15 | 2014-05-19 | 토탈 페트로케미칼즈 앤드 리파이닝 유에스에이, 인코포레이티드 | 부식제로 제거될 수 있는 핫 멜트 접착제를 위한 첨가제 조성물 및 이를 함유하는 포뮬레이션 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Time-dependent reliability analysis through response surface method | |
| Aghadavoudi et al. | Investigating the effects of resin crosslinking ratio on mechanical properties of epoxy‐based nanocomposites using molecular dynamics | |
| Patil et al. | Reactive molecular dynamics simulation of epoxy for the full cross-linking process | |
| Chang | Family of structure-dependent explicit methods for structural dynamics | |
| Zhou et al. | Natural frequency analysis of functionally graded material beams with axially varying stochastic properties | |
| Wang et al. | Simplification of hyperelastic constitutive model and finite element analysis of thermoplastic polyurethane elastomers | |
| KR20230156589A (ko) | 고강도 에폭시 접착제의 접착강도 예측을 위한 전산모사 기반 데이터베이스 구축 방법 및 이를 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체 | |
| JP4774810B2 (ja) | 基板反り解析方法そのシステム、プログラム及び記録媒体 | |
| Li et al. | Tensile behavior of acrylonitrile butadiene styrene at different temperatures | |
| Melly et al. | Modified Yeoh model with improved equibiaxial loading predictions | |
| Roetsch et al. | A novel approach to consider triaxial tensile stresses within the framework of a failure criterion | |
| Doh et al. | Viscoplastic parameter identification of temperature‐dependent mechanical behavior of modified polyphenylene oxide polymers | |
| Pan et al. | A reliability analysis method based on the mixed correlated competition model considering multi-performance degradation and sudden failures | |
| Kossa et al. | Powerful calibration strategy for the two-layer viscoplastic model | |
| JP2006284249A (ja) | 樹脂接合体変形シミュレーション方法、装置、プログラムおよびこれらを用いた樹脂接合体実装システム | |
| Kumar et al. | A novel accurate and computationally efficient integration approach to viscoplastic constitutive model | |
| Lu et al. | A Methodology of Hydrodynamic Complexity in Topologically Hyper‐Branched Polymers Undergoing Hierarchical Multiple Relaxations | |
| Ruiz et al. | Modeling of resin cure kinetics for molding cycle optimization | |
| CN115169083A (zh) | 一种聚合物基复合材料的热解动力学参数计算方法 | |
| Kouhia et al. | On the implicit integration of rate‐dependent inelastic constitutive models | |
| Wang et al. | Structural reliability analysis using Bayesian support vector regression and subset-assisted importance sampling with active learning | |
| Foreman et al. | Multi-scale modelling of the effect of a viscoelastic matrix on the strength of a carbon fibre composite | |
| Shi et al. | An efficient adaptive kriging refinement method for reliability analysis with small failure probability | |
| Sanders et al. | Computational method for simulating thermoset polymer curing and prediction of thermophysical properties | |
| Bhunya et al. | Simple parameter estimation technique for three-parameter generalized extreme value distribution |