نام پژوهشگر: حسن مدرسی
حسن مدرسی حمید مدرس
با توجه به اهمیت کاربرد ثابت قانون هنری و نیز مشکلات مربوط به اندازه گیری تجربی این ثابت، از جمله گستردگی ترکیبات شیمیایی، خطاهای اندازه گیری، هزینه بالا و زمانبری نسبتاً طولانی آزمایشات، لزوم ارائه روابط و مدلهای پیشگویی را مشخص می کند. در این بین پیشگویی ثابت قانون هنری ترکیبات آلی در سیستم های زیست محیطی (آب-هوا) از اهمیت ویژه ای برخوردار است. با توجه به مطالعات اولیه انجام گرفته چنین برمی آید که جهت دهی تحقیقات سالهای اخیر در این زمینه بر روی ارائه مدلهای پیچیده کامپیوتری و مبتنی بر محاسبات مکانیک کوانتمی می باشد که از ویژگیهای برجسته این مدلها می توان به عدم نیاز به داده های تجربی اولیه جهت برآورد ثابت قانون هنری اشاره کرد. در این تحقیق با استفاده از تکنیکهای موجود qspr (quantitative structure property relationship) مدلهای مناسبی برای محاسبه ثابت قانون هنری ترکیبات آلی در سیستم آب- هوا ارائه شده است. در مرحله اول ثوابت قانون هنری 189 ترکیب هیدروکربنی شامل آلکانها و آلکنها که در اثر انحلال در آب اندرکنش الکترواستاتیکی قابل ملاحظه ای ندارند مورد مطالعه قرار گرفته اند. در این مطالعه نشان داده شده است که ترم حفره انرژی آزاد انحلال که بطور متداول و بر اساس تئوری spt (scaled particle theory) به سطح در دسترس حلال ارتباط داده شده و از روی آن ثابت قانون هنری محاسبه می شود، از دقت کافی برخوردار نیست. به همین جهت ترم بیضویت حفره بعنوان معیاری از شکل ظاهری حفره وارد مدل شده است. این امر سبب بهبود دقت پیشگویی مدل به میزان 45% شده است. در مرحله دوم مدلهای جامع qspr خطی و غیر خطی برای یک مجموعه بزرگ از داده های جمع آوری شده از مراجع متعدد مشتمل بر 940 ترکیب آلی ارائه شده است. برای ارائه مدلهای جدید از روشهای الگوریتم ژنتیک و شبکه های عصب مصنوعی بهره گرفته شده است. مدلهای ارائه شده در این مطالعه با مدلهای پیشین مقایسه و برتری آنها در دقت و عمومیت پیشگویی نشان داده شده است.
حسن مدرسی
چکیده ندارد.