실험을 통해 물성 관련 데이터를 수집하는 단계;상기 물성 관련 데이터를 분류하는 단계;상기 분류된 물성 관련 데이터 중 조성 데이터를 전처리하여 계산값으로 고유물성 데이터를 얻는 단계;상기 계산으로 획득된 고유물성 데이터와 상기 실험을 통한 물성 관련 데이터 중 공정 조건, 측정 조건 및 미세구조를 입력하여 베이지안 추론 기반 모델을 학습하는 단계;상기 베이지안 추론 기반 모델 학습 후 얻은 물성 관련 데이터를 영역 생성 프로그램에 입력하여 상기 고유물성 데이터의 예측 범위를 한정하는 단계;상기 고유물성 예측 범위 중 목표물성을 나타낼 가능성이 가장 높은 고유물성을 목표로 베이지안 추론 기반 모델을 학습하는 단계;상기 베이지안 추론 기반 모델에서 선택된 고유물성을 목표로 영역 생성 프로그램 및 베이지안 추론 기반 모델의 반복학습을 통한 베이지안 최적화를 수행하는 단계; 및상기 베이지안 최적화를 수행한 후, 목표 고유물성 간 오차가 가장 작은 최적의 조성을 예측하는 단계;를 포함하는 화합물의 조성 예측 방법.

제1항에 있어서, 상기 계산으로 획득된 고유물성 데이터와 상기 공정 조건, 측정 조건 및 미세구조를 입력하여 베이지안 추론 기반 모델을 학습하는 단계와 상기 고유물성 데이터의 예측 범위를 한정하는 단계 사이에,상기 계산으로 획득된 고유물성 중 목표 물성을 가장 잘 예측하는 조합을 선택하는 단계;를 더 포함하는 것을 특징으로 하는 화합물의 조성 예측 방법.

제1항에 있어서, 상기 물성 관련 데이터는 조성, 공정 조건, 측정 조건, 고유물성, 미세구조 및 외적물성을 포함하는 화합물의 조성 예측 방법.

제1항에 있어서, 상기 전처리는 상기 물성 관련 데이터 중 조성을 제일원리계산에 의해 처리하여 계산값으로 고유물성을 얻는 것인 화합물의 조성 예측 방법.

제1항에 있어서, 상기 베이지안 추론 기반 모델은 데이터를 확률변수로 취급하여 확률변수간 확률분포를 학습할 수 있는 수학적 모델인 것을 특징으로 하는 화합물의 조성 예측 방법.

제1항에 있어서, 상기 베이지안 추론 기반 모델의 반복학습은 베이지안 최적화에서 예측한 조성과 상기 조성에 대한 제일원리 계산으로 예측한 고유물성 데이터를 추가 보완한 데이터베이스를 활용하는 것인 화합물의 조성 예측 방법.

제1항에 있어서, 상기 베이지안 최적화를 통한 학습은 5 내지 10회 반복하여 목표로 하는 고유물성과 오차가 가장 작은 조성을 예측하는 것인 화합물의 조성 예측 방법.