컴퓨팅 장치에 의해 수행되는 분말 크기 예측 방법에 있어서,상기 컴퓨팅 장치의 제1 전산모사 기법을 이용하여 공정 조건에 따라 제조되는 분말의 시간에 따른 온도 변화 정보 및 질량농도 정보를 추출하는 단계;상기 추출된 분말의 시간에 따른 온도 변화 정보 및 질량농도 정보를 이용하여 제2 전산모사 기법을 통해 상기 공정 조건에 따른 분말의 중간 입도(d50) 정보를 추출하는 단계; 및상기 추출된 분말의 중간 입도를 이용하여 머신러닝 모델을 훈련시키는 단계를 포함하는 분말 크기 예측 방법.

제1항에 있어서, 상기 제1 전산모사 기법을 이용하는 단계는,상기 분말의 제조를 위한 분말 제조 반응기를 모델링하는 단계;상기 분말의 제조를 위한 공정 조건을 생성하는 단계; 및상기 공정 조건을 상기 분말 제조 반응기에 입력하여 상기 제1 전산모사를 수행하는 단계를 포함하는 분말 크기 예측 방법.

제2항에 있어서, 상기 모델링 단계에서 모델링되는 상기 분말 제조 반응기는 기상 합성법(Vapor-phase synthesis)을 이용하여 분말을 제조하기 위한 분말 제조 반응기인 것인 분말 크기 예측 방법.

제2항에 있어서, 상기 공정 조건을 생성하는 단계는,상기 분말 제조 반응기에 입력되는 입력 데이터들을 선정하는 단계;상기 입력 데이터들의 데이터값에 대한 범위를 한정하는 단계; 및상기 한정된 범위 내에서 상기 입력 데이터들을 임의로 조합하여 다수의 공정 조건을 생성하는 단계를 포함하는 분말 크기 예측 방법.

제1항에 있어서,상기 제1 전산모사 기법은 열전달 해석(Heat Transfer Analysis) 기법을 이용한 전산모사 기법인 것인 분말 크기 예측 방법.

제1항에 있어서, 상기 제2 전산모사 기법을 이용하는 단계는,상기 제2 전산모사를 수행하기 위해 요구되는 전산정보와 상기 분말의 시간에 따른 온도 변화 정보 및 질량정보를 수집하는 단계;상기 전산정보와 상기 분말의 시간에 따른 온도 변화 정보 및 질량정보를 이용하여 상기 제2 전산모사를 수행하는 단계;상기 공정 조건에 따른 분말의 크기 분포를 수집하는 단계; 및상기 수집된 분말의 크기 분포를 이용하여 상기 공정 조건별 중간 입도를 계산하는 단계를 포함하는 분말 크기 예측 방법.

제1항에 있어서,상기 제2 전산모사 기법은 입자거동방정식(General Dynamic Equation)을 기반으로 한 절점 입자거동방정식(Nodal General Dynamic Equation) 기법을 이용한 전산모사 기법인 것인 분말 크기 예측 방법.

제1항에 있어서, 상기 머신러닝 모델을 훈련시키는 단계는,상기 공정 조건을 입력으로 하고, 상기 공정 조건에 따라 추출된 분말의 중간 입도 정보를 출력으로 하는 머신러닝 모델을 반복하여 훈련시키는 단계; 및상기 훈련된 머신러닝을 이용하여 상기 공정 조건에 따른 중간 입도를 예측하는 단계를 포함하는 분말 크기 예측 방법.

제1항에 있어서,상기 머신러닝 모델은 인공 신경망(Artificial Neural Network)의 알고리즘을 이용하여 훈련하는 것인 분말 크기 예측 방법.