메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
김보경 (연세대학교) 최헌진 (연세대학교)
저널정보
한국분석과학회 한국분석과학회 학술대회 제67회 한국분석과학회 추계학술대회 [초록집]
발행연도
2021.11
수록면
183 - 183 (1page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
본 연구에서 256채널 다중 전극 소자의 디지털 데이터를 활용한 합성곱 신경망(CNN)-다층퍼셉트론(MLP) 복합구조의 딥러닝 알고리즘으로 화학공정 최적화를 시도하였다.
공정 최적화 대상은 물유리를 출발 물질로 하는 에어로겔 생산공정으로 해당 공정은 수화겔 형성에서 건조까지 전체 약 78시간이 소모된다. 각 단계별 공정 진행은 경험적 데이터에 근거하여 일률적으로 적용되고 있다. 하지만 화합물의 화학반응 상태를 직접 모니터링하면서 공정을 진행한다면 일률적인 시간적용보다 효율적으로 공정을 진행할 수 있을 것이머 이를 위해서 측정센서 및 피드백 시스템이 포함된 체계가 필요하다.
실험은 대상인 에어로겔 공정에서 많은 시간이 소모되는 표면개질과 n-Hexane 숙성 공정을 6시간 단위로 구분하여 화학적 상태가 다른 9개의 결과물을 얻을 수 있도록 설계 하였으며, 각 공정을 2회씩 진행하여 총 18개의 실험 샘플을 제작될 수 있도록 하였다.
에어로겔 공정 간 화합물 상태 측정을 위한 256채널 다중 전극 소자는 CMOS 공정으로 제작된 소자로 53x83μm²의 면적에 256개(16x16)의 다중 전극이 배열된 멀티 어레이 센서다. 소자는 1회 측정 시 1600개의 디지털 데이터를 약 800ms에 출력하며 출력값은 raw 데이터와 개별 소자의 발화정도를 시현하는 디지털 맵 형태로 저장된다. 모델 훈련을 위해 raw 데이터를 1차원 시계열 데이터로 처리^_@span style=color:#999999 ^_# ... ^_@/span^_#^_@a href=javascript:; onclick=onClickReadNode('NODE10819488');fn_statistics('Z354','null','null'); style='color:#999999;font-size:14px;text-decoration:underline;' ^_#전체 초록 보기^_@/a^_#

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0