در این پایان نامه، از مدل شبکه عصبی موجک برای پیش بینی دانسیته آلکان ها از 2 تا 19 کربنه و سیکلوآلکان ها در محدوده ی وسیعی از دما و فشار استفاده شده است. دو شبکه عصبی موجک برای پیش بینی دانسیته مدل سازی شد: یکی برای گازهای طبیعی (آلکان های 2 تا 4 کربنه) و دیگری برای آلکان های خطی 5 تا 19 کربنه و سیکلوآلکان ها. در ابتدا، مدل شبکه عصبی موجک برای گازهای طبیعی با دو متغیر دما و فشار و توصیف‎کننده بر مبنای روش سهم گروه شامل متیل و متیلن طراحی گردید. سپس جهت به کارگیری شبکه عصبی موجک، برنامه ی رایانه ی در محیط matlab نوشته شد و پس از آموزش شبکه، پارامترهای شبکه شامل ممنتم، سرعت آموزش، تعداد نرون لایه ی مخفی و تعداد دور آموزش بهینه‎سازی گردید. کارایی شبکه ی بهینه شده با رسم نمودار مقادیر تجربی دانسیته بر حسب مقادیر پیش بینی شده برای دو سری پیش بینی و تایید مورد ارزیابی قرار گرفت. نتایج حاصل با متوسط درصد خطای نسبی کمتر از 0/9% کارایی مطلوب شبکه را تایید می کند. در مرحله ی بعد، مدل شبکه ی عصبی موجک برای پیش بینی دانسیته‎ی آلکان های خطی از 5 تا 19 کربنه وسیکلوآلکان ها با 5 توصیف کننده شامل دما وفشار و تعداد گروه های متیل، متیلن و متین طراحی و بهینه سازی گردید. رفتار کاملاّ خطی با ضریب همبستگی r2≥0/9486 مشاهده گردید. این روش دانسیته ی این ترکیبات را با متوسط درصد خطای نسبی کمتر از 1/1% پیش بینی می کند.

در این پایان نامه، از مدل شبکه ی عصبی موجک (wnn) برای پیش بینی دانسیته ی کتون ها در محدوده ی وسیعی از دما و فشار استفاده شده است. در ابتدا مدل شبکه ی عصبی موجک با دو متغیر دما، فشار و توصیف کننده هایی برمبنای روش سهم گروه شامل تعداد گروه های متیل، متیلن، متین وگروه عاملی کربونیل برای هر یک از کتون ها طراحی گردید. سپس جهت به کارگیری شبکه ی عصبی موجک برنامه ای رایانه ای در محـیط برنامه نویسی matlab نوشته شد. با آموزش هر یک از شبکه ها پارامترهای ممنتم، سرعت آموزش، تعداد نرون های لایه ی مخفی و تعداد دور آموزش به صورت هم‎زمان بهینه‎سازی گردید. کارایی شبکه های بهینه شده با ترسیم نمودار مقادیر تجربی دانسیته در مقابل مقادیر به دست آمده از آن ها برای دو سری پیش بینی و تائید مورد ارزیابی قرار گرفت. نتایج حاصل از این نمودارها کارایی مطلوب شبکه را تائید می کند. در پیش بینی دانسیته این شبکه ها متوسط درصد خطای نسبی کمتر از 3/1% می باشد. در مرحله ی بعد برای ایجاد یک شبکه ی عصبی جامع ابتدا طبق روش فوق شبکه ای برای پیش بینی هم زمان دانسیته ی دو ترکیب 2-بوتانون و 2-پنتانون طراحی و بهینه سازی گردید که در این مورد نیز نتـیجه ی مطلوبی به دست آمد. به طوری‎که متوسـط درصد خطای نسبی در پیش بینی دانسیته برای این ترکیبات کمتر از60/0% می‎باشد. پس از به‎دست آوردن نتایج مطلوب با استفاده از مدل بهینه شده، شبکه ی عصبی موجک جامع برای پیش بینی دانسیته ی همه ی کتون ها با 6 توصیف کننده شامل دما، فشار و تعداد گروه متیل، متیلن، متین و گروه عاملی کربونیل طراحی و بهینه گردید که متوسط درصد خطای نسبی این شبکه برای پیش بینی دانسیته ی همه ی کتون ها کمتر از 05/1% و ماکزیمم درصد خطای نسبی کمتر از 95/1% می باشد. به علاوه، کارایی مدل بهینه شده با ترسیم نمودار مقادیر تجربی برحسب مقادیر به‎دست آمده از مدل برای دو سری پیش بینی و تائید ارزیابی گردید که ضریب همبستگی بیشتر از 99/0 نشان دهنده ی کارایی مطلوب مدل بهینه شده می باشد.

چکیده هدف این پایان نامه، تعمیم معادله حالت lir به آلکیل آمین های نوع اول با استفاده از روش سهم گروه ها، می باشد. در معادله ی حالت lir که بر مبنای مفهوم پتانسیل جفت موثر، استخراج شده است، شکل ریاضی تابع پتانسیل جفت موثر مانند جفت منزوی، به صورت لنارد-جونز (6،12) درنظر گرفته شده است با این تفاوت که پارامترهای پتانسیل جفت موثر در منطقه‎ی چگال ( که دانسیته ی بویل است) بر خلاف پارامترهای جفت منزوی به دما وابسته است. با توجه به اینکه این تابع پتانسیل به طور کیفی برای ذرات متقارن کروی مناسب است، لذا برای ذرات نامتقارن مثل آلکیل آمین های نوع اول، انحراف از رفتار خطی معادله ی حالت lir مشاهده می شود. اما اگر طبق مفهوم روش سهم گروه ها هر یک از این ترکیبات را به صورت مخلوطی از گروه‎های سازنده شان در نظر بگیریم، به طوری که پتانسیل برهم کنش هر جفت از این گروه ها، در چنین مخلوطی به صورت تابع پتانسیل جفت موثر باشد، آنگاه طبق تقریب تک سیال وان در والس، معادله حالت lir برای چنین مخلوطی کارایی خواهد داشت، اما پارامترهای معادله حالت جدید به ترکیب گروه ها در سیستم بستگی دارد. به این ترتیب، معادله ی حالت جدیدی به صورت برای این ترکیبات به دست آمد که در آن و پارامترهای معادله ی حالت به ازای یک گروه کربنی هستند. ابتدا با استفاده از داده های تجربی برای آلکیل آمین های نوع اول صحت معادله ی حالت جدید مورد تأیید قرار گرفت. همچنین وابستگی دمایی پارامترهای معادله ی حالت به‎صورت و توافق خوبی با داده های تجربی نشان داد. در مرحله ی بعد، سهم گروه های تشکیل دهنده ی این ترکیبات در پارامترهای معادله ی حالت تعیین گردید. سه ترکیب پایه ی پروپان، n- بوتان و سیکلوهگزان برای به دست آوردن سهم گروه های متیل و متیلن در پارامترهای معادله ی حالت استفاده گردید و همچنین ترکیبات مناسب دیگری برای به دست آوردن سهم گروه‎های عاملی آمینی به کاررفتند مثل: 1- پنتیل آمین برای سهم گروه –ch2nh2 و 2-آمینوبوتان برای سهم گروه >chnh2 سپس با استفاده از مقادیر پارامترهای معادله ی حالت و معادله ی حالت اصلاح شده، دانسیته ی ترکیبات مختلف در دما و فشارهای مختلف با متوسط خطای نسبی کمتر از %2 پیش بینی گردید.

تحقیقات اخیر نشان داده‎اند که استروژن نقش بسزایی در بیماری سرطان سینه دارد، بنابراین پژوهش‎هایی در رابطه با داروهایی که بتوانند به نحوی فعالیت این هورمون را در بدن محدود نمایند انجام شده است. این پژوهش‎ها به دو دسته تقسیم می‏شوند، اول پژوهش بر روی ترکیباتی که به طور مستقیم بر فعالیت استروژن در بدن اثر می‎گذارند و دوم تحقیق بر روی داروهایی که از طریق ایجاد محدودیت در تولید استروژن عمل می‏نمایند. یکی از این دسته ترکیبات که می‏توانند تولید استروژن را محدود نمایند، مشتقات سولفونانیلید هستند. در بررسی اول رابطه کمی ساختار-فعالیت 21 آنالوگ سولفونانیلید با استفاده از رگرسیون خطی چندگانه و شبکه عصبی مصنوعی مورد مطالعه قرار گرفت. از میان تعداد زیاد توصیف‎کننده‎ محاسبه شده فقط 20 توصیف‎کننده‎ توسط رگرسیون خطی مرحله‎ای انتخاب گردید که فقط 6 تا از آنها به عنوان ورودی شبکه استفاده شدند. سری داده‏ها به طور تصادفی به دو سری آموزش و تست که به ترتیب شامل 16 و 5 ترکیب بودند تقسیم شد. مدل‏های رگرسیون خطی و شبکه عصبی با استفاده از روش ارزیابی تقاطعی ساخته شدند. توانایی پیش‏بینی مدل‏ها با استفاده از سری تست و روش رد مرحله‏ای تک‎تک مورد ارزیابی قرار گرفت و مقادیر mse به ترتیب برابر با 0227/0 و 0132/0 برای mlr و 0098/0 و 0161/0 برای ann به دست آمد. نتایج به دست آمده نشان دهنده قدرت بالای مدل شبکه عصبی مصنوعی در پیش‏بینی توان بازدارندگی ترکیبات مورد بررسی می‎باشند. در بررسی دوم رابطه ساختار-فعالیت مشتقات 5-اکسوپیرولیدین-3-کربوکسامید مورد پژوهش قرار گرفت. این ترکیبات از طریق دخالت در برهمکنش میان ccr5 و hiv مانع از گسترش بیماری می‎شوند. مجموعه داده‏های مورد بررسی شامل 104 ترکیب از مشتقات 5-اکسوپیرولیدین-3-کربوکسامید می‎باشد. در این تحقیق سری داده‏ها به طور تصادفی به سه سری آموزش، ارزیابی و تست تقسیم شد که هر یک به ترتیب شامل 62، 21 و 21 ترکیب می‎باشند. مدل شبکه عصبی با استفاده از 19 توصیف‎کننده‎ با قدرت بالایی مقادیر pic50 مربوط به هریک از ترکیبات را پیش‎بینی نمود. مقادیر mse برای سری تست و رد مرحله‎ای تک‎تک به ترتیب 1210/0 و 1405/0 می‎باشد.

ما در این پایان نامه، با محاسبه ی فاکتور ساختار،سیالات تک اتمی با استفاده از مدلی برای تابع همبستگی مستقیم،ساختار سیالات چگال را مورد بررسی قرار داده ایم. در این مدل، تابع همبستگی مستقیم بر اساس نظریه ی اختلال مرتبه اول به دو سهم مغزی و دنباله تقسیم شده است. برای توصیف سهم مغزی تابع از معادله ی py استفاده نمودیم که واجد ضرایبی است که وابستگی چگالی دارند. سهم دنباله ی تابع نیز به پتانسیل جفت یوکاوا با مغز سخت (hcy) وابسته است که در آن پارامتر عمق چاه پتانسیل به صورت موثر در نظر گرفته شده است و در هر دما و چگالی قابل محاسبه می باشد. در این روش از قاعده ی همدما های خطی، lir، برای محاسبه پارامتر های بین مولکولی استفاده گردید. ما رفتار تابع فاکتور ساختار سیال زنون را در نواحی مختلف ترمودینامیکی شامل ناحیه ی نزدیک به نقطه بحرانی مورد بررسی قرار دادیم. نتایج حاصل از مدل ارائه شده با داده های تجربی و مقادیر حاصل از سایر مدل های در دسترس مقایسه گردید که از توافق خوبی به ویژه در چگالی های بالا برخوردار بود. یکی از ویژگی های بسیار مهم مدل ارائه شده توانایی آن در نمایش رفتار اورنشتین - زرنیک فاکتور ساختار سیال در k کم می باشد. همچنین مدل ارائه شده به خوبی رفتار مجانبی در ناحیه ی نزدیک به نقطه بحرانی را نشان می دهد که ناشی از پدیده افت و خیز بحرانی می باشد. ما توانستیم با استفاده از تبدیل فوریه ی تابع همبستگی مستقیم و بسط آن مقادیر فاکتور ساختار در ناحیه ی k کم و همچنین پارامتر طول همبستگی، را در ناحیه فوق بحرانی پیش بینی و محاسبه نمائیم. در انتها، مدل ارائه شده در تعیین اثرات نیروهای بلند برد جاذبه و محاسبه ی برهم کنش های دو ذره ای و سه ذره ای که به درک صحیح تر از پدیده های حاکم بر سیالات منتهی می شود، به کار برده شد.

در این تحقیق، مطالعات ارتباط کمی ساختار – خاصیت با استفاده از شبکه ی عصبی مصنوعی برای پیش بینی ضریب تراکم پذیری همدمای ترکیبات آلی مختلف به کار گرفته شده است. سری داده ها شامل ضریب تراکم پذیری همدمای 56 ترکیب در دما و فشارهای مختلف است که مجموعاً 4297 نقطه داده را تشکیل می دهد. برای انتخاب توصیف کننده های بهینه از دو روش رگرسیون مرحله ای (sr) و راهبرد cdfs استفاده شد. سپس مدل سازی به وسیله ی شبکه ی عصبی مصنوعی انجام گرفت و پس از بهینه سازی و آموزش شبکه، مدل حاصل برای پیش بینی ضریب تراکم پذیری همدمای 7 ترکیب سری تست که در هیچ یک از مراحل مدل سازی دخالت نداشته اند، به کار گرفته شد. مقایسه ی دو مدل حاصل از رگرسیون مرحله ای و راهبرد cdfs نشان داد که مدل به دست آمده از cdfs تعداد توصیف کننده ی کمتر و قدرت پیش بینی بالاتری دارد. میانگین مربعات خطای سری تست توسط مدل های sr-ann و cdfs-ann به ترتیب 4456/0 و 3012/0 به دست آمد. در مرحله ی بعد، شبکه ی عصبی مصنوعی به همراه روش سهم گروه (gcm) برای پیش بینی ضریب تراکم پذیری همدمای ترکیبات سری تست به کار گرفته شد. در این مدل سازی تعداد گروه-های تشکیل دهنده ی هر ترکیب و دو متغیر دما و فشار به عنوان متغیرهای ورودی شبکه ی عصبی در نظر گرفته شدند. میانگین مربعات خطای حاصل از این روش 2303/0 به دست آمد که نشان-دهنده ی برتری روش gcm-ann نسبت به دو روش sr-ann و cdfs-ann می باشد.

در این پایان نامه، ساختار فلزات قلیایی مایع به روش محاسبه ی فاکتور ساختار سیال،(s(k، مورد مطالعه قرار گرفته است. در این روش، مدلی برای تابع همبستگی مستقیم سیال، (c(r، ارائه شده است که بر اساس آن، تابع(c(r مطابق نظریه ی اختلال مرتبه ی اول به دو سهم مغزی و دنباله تقسیم شده است. برای توصیف سهم مغزی تابع (c(r از معادله ی ورلت-ویس استفاده شده است که در آن، قطر مولکولی سیال کره ی سخت طبق روش بارکر-هندرسون در هر دما محاسبه می گردد. سهم دنباله ی تابع (c(r نیز به صورت خطی با پتانسیل جفت یوکاوا وابسته است که در آن، پارامتر عمق چاه پتانسیل به صورت موثر در نظر گرفته شده است و در هر دما و چگالی قابل محاسبه می-باشد. در این روش، از قاعده ی همدمای خطی، برای محاسبه ی پارامتر های بین مولکولی استفاده شده است. با استفاده از مدل ارائه شده، رفتار تابع فاکتور ساختار روبیدیم و سزیم مایع در نواحی مختلف ترمودینامیکی مورد بررسی قرار گرفته است. نتایج محاسبه شده با داده های تجربی در دسترس مقایسه گردید که از توافق خوبی به ویژه در چگالی های بالا برخوردار بودند. یکی از ویژگی-های مهم مدل ارائه شده توانایی آن در نمایش رفتار اورنشتین-زرنیک فاکتور ساختار سیال در ناحیه k کم می‎باشد. هم چنین مدل ارائه شده به خوبی قادر به محاسبه ی مقادیر (s(0 در نواحی ترمودینامیکی مورد مطالعه می باشد.

در این پایان نامه، مولکول های الیگوتیوفن شامل دی مر، تری مر، تترامر، پنتامر، هگزامر، هپتامر و اکتامرکه انتهای زنجیره ی الیگوتیوفن ها توسط گروه های آلکیل آمین شامل متیل آمین، اتیل آمین و پروپیل آمین بسته شده اند مورد بررسی قرار گرفتند. محاسبات کوانتومی به منظور بررسی خواص ساختاری و الکترونی الیگومرهای مورد مطالعه با استفاده از دو روش نظریه ی تابعی چگالی و هارتری-فاک انجام گرفت که روش نظریه ی تابعی چگالی (در سطح نظری b3lyp/6-31g*) به عنوان بهترین روش انتخاب گردید. بررسی ساختار الیگوتیوفن ها نشان می دهد که الیگوتیوفن های بسته شده با گروه های آلکیل آمین در موقعیت های انتهایی زنجیره ی الیگومری، زوایای پیچشی کوچکتری نسبت به الیگوتیوفن های بدون استخلاف انتهایی دارند و به ساختار مسطح نزدیک تر هستند. هم چنین طول پیوندهای یگانه و دوگانه ی کربن-کربن در سیستم ?-مزدوج الیگوتیوفن-های بسته شده با آلکیل آمین به هم نزدیک تر شده اند که این موضوع نشان دهنده ی بهبود سیستم ?-مزدوج زنجیره ی الیگومری می باشد. نتایج نشان می دهد که شکاف انرژی پس از بسته شدن انتهای زنجیره ی الیگوتیوفن ها با آلکیل آمین کاهش یافته است. انجام محاسبات td-dft و بررسی طیف uv-vis الیگوتیوفن های بسته شده با آلکیل آمین، کاهش در انرژی برانگیختگی را نسبت به الیگوتیوفن های بدون استخلاف نشان می دهد. هم‎چنین بستن انتهای زنجیره ی الیگوتیوفن ها با آلکیل آمین موجب تسهیل سرعت تزریق حفره می گردد. انرژی انتقال بار در الیگوتیوفن های بسته شده با آلکیل آمین نسبت به الیگوتیوفن های بدون استخلاف افزایش یافته که بیان گر غیرمستقر شدن بار در زنجیره ی الیگومری الیگوتیوفن ها می باشد. بررسی توزیع دانسیته ی اسپین در طول زنجیر ه ی مزدوج الیگوتیوفن ها و هم چنین بار الکتریکی حلقه های تیوفن زنجیره ی الیگومری پس از بسته شدن توسط آلکیل آمین، تسهیل در انتقال بار را نسبت به الیگوتیوفن‎های بدون استخلاف نشان می دهد. بررسی نتایج گونه های الیگومری باردار نشان می دهد که رادیکال-کاتیون ها و رادیکال-آنیون ها نسبت به گونه های خنثی، رسانایی بهتری از خود نشان می دهند. به عبارت دیگر، پلی تیوفن های بسته شده با گروه های آلکیل آمین در حالت تقویت شده می توانند از رسانایی بیشتری برخوردار باشند.