🔬 materials science

QSPR Analysis with Curvilinear Regression Modeling and Temperature-based Topological Indices

यह अध्ययन QSPR ढांचे के भीतर मोनोकार्बोक्सिलिक एसिड के ऊष्मागतिक गुणों की भविष्यवाणी करने के लिए तापमान-आधारित टोपोलॉजिकल सूचकांकों का उपयोग करते हुए रैखिक, द्विघात और त्रिघात वक्ररेखीय प्रतिगमन मॉडल विकसित करता है और उनकी तुलना करता है।

मूल लेखक: H. M. Nagesh

प्रकाशित 2026-07-02

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: H. M. Nagesh

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आपके पास लेगो सेट्स (LEGO sets) का एक विशाल डिब्बा है। कुछ छोटे हैं, कुछ बहुत बड़े हैं, और उन सभी के आकार अलग-अलग हैं। यदि आप अंदाज़ा लगाना चाहते हैं कि किसी विशिष्ट लेगो सेट को पिघलाने में कितनी ऊर्जा लगेगी या उसे जलाने पर कितनी गर्मी निकलेगी, तो आपको हर एक को वास्तव में पिघलाने या जलाने की आवश्यकता नहीं होगी। आपको बस उसके आकार और ईंटों के बीच के जुड़ाव की संख्या को देखने की आवश्यकता है।

यह शोध पत्र मूल रूप से ठीक यही करने का एक तरीका है, लेकिन लेगो के बजाय अणुओं (molecules) के साथ।

यहाँ लेखक, एच. एम. नगेश द्वारा किए गए कार्य का सरल हिंदी में विवरण दिया गया है:

1. मुख्य विचार: आकार व्यवहार निर्धारित करता है

शोध पत्र एक सरल नियम के साथ शुरू होता है: एक अणु कैसे बनाया गया है (उसकी संरचना) यह तय करता है कि वह कैसा व्यवहार करेगा (उसके गुण)।

रसायन विज्ञान की दुनिया में, वैज्ञानिक QSPR नामक एक उपकरण का उपयोग करते हैं। इसे एक अनुवादक के रूप में समझें। यह अणु के आकार की "भाषा" को उसके भौतिक व्यवहार की "भाषा" में अनुवादित करता है, जैसे कि इसमें कितनी गर्मी होती है या यह कितनी आसानी से गैस में बदल जाता है।

2. उपकरण: "तापमान" मानचित्र (Temperature Maps)

आकार का अनुवाद करने के लिए, लेखक ने टोपोलॉजिकल इंडेक्स (Topological Index) नामक एक विशेष प्रकार के मानचित्र का उपयोग किया। आमतौर पर, ये मानचित्र केवल कनेक्शन गिनते हैं। लेकिन यह शोध पत्र एक नए, अधिक उन्नत प्रकार के मानचित्र का उपयोग करता है जिसे तापमान-आधारित टोपोलॉजिकल इंडेक्स (Temperature-based Topological Indices) कहा जाता है।

कल्पना कीजिए कि अणु में प्रत्येक परमाणु एक पार्टी में मौजूद व्यक्ति है।

एक व्यक्ति का "तापमान": यह गर्म या ठंडा होने के बारे में नहीं है। यह एक गणितीय स्कोर है जो पार्टी में कुल लोगों की तुलना में उस व्यक्ति के कितने दोस्तों (बोंड्स/बंधों) के साथ संबंध हैं, इस पर आधारित है। यदि आपके बहुत सारे दोस्त हैं, तो आपका "तापमान" स्कोर अधिक होगा।
चार मानचित्र: लेखक ने पूरे पार्टी (अणु) के "तापमान" की गणना करने के चार अलग-अलग तरीके बनाए:
1. सम कनेक्टिविटी (Sum Connectivity): जुड़े हुए जोड़ों के तापमान को जोड़ना।
2. प्रोडक्ट कनेक्टिविटी (Product Connectivity): जुड़े हुए जोड़ों के तापमान को गुणा करना।
3. एफ-टेम्परेचर (F-Temperature): तापमान का वर्ग करना और उन्हें जोड़ना।
4. सिमेट्रिक डिवीजन (Symmetric Division): पड़ोसियों के तापमान की तुलना करना कि वे कितने संतुलित हैं।

3. प्रयोग: 19 अणुओं का परीक्षण

लेखक ने 19 अलग-अलग कार्बोक्सिलिक एसिड (रसायनों का एक परिवार जिसमें सिरका और भोजन में पाए जाने वाले फैटी एसिड शामिल हैं) लिए। ये अणु बहुत छोटे (2 कार्बन) से लेकर काफी बड़े (20 कार्बन) तक के होते हैं।

प्रत्येक अणु के लिए, लेखक ने:

ऊपर वर्णित चार "तापमान मानचित्रों" की गणना की।
उनके बारे में तीन वास्तविक दुनिया के तथ्यों को देखा:
- फॉर्मेशन एन्थैल्पी (Formation Enthalpy): अणु बनाने के लिए कितनी ऊर्जा की आवश्यकता थी।
- कम्बशन एन्थैल्पी (Combustion Enthalpy): जलने पर कितनी गर्मी निकलती है।
- वेपोराइजेशन एन्थैल्पी (Vaporization Enthalpy): तरल से गैस में बदलने के लिए कितनी गर्मी की आवश्यकता होती है।

4. गणित: सटीक वक्र (Curve) खोजना

अब, लेखक ने "तापमान मानचित्रों" को वास्तविक दुनिया के ताप तथ्यों से जोड़ने वाली रेखा खींचने का प्रयास किया। उन्होंने तीन प्रकार की रेखाओं का परीक्षण किया:

सीधी रेखा (Linear): एक सीधा, सीधा रास्ता।
वक्राकार रेखा (Quadratic): एक हल्की पहाड़ी या घाटी।
लहरदार रेखा (Cubic): एक रेखा जो ऊपर मुड़ती है, फिर नीचे, और फिर ऊपर।

परिणाम:
लेखक ने पाया कि लहरदार रेखा (Cubic) सबसे अच्छा फिट थी। यह केवल आकार को देखकर गर्मी के गुणों की भविष्यवाणी करने का सबसे सटीक तरीका था।

5. विजेता और हारने वाले

सभी "तापमान मानचित्र" भविष्य की भविष्यवाणी करने में समान रूप से अच्छे नहीं थे:

चैंपियंस: सम कनेक्टिविटी (Sum Connectivity) और प्रोडक्ट कनेक्टिविटी (Product Connectivity) इंडेक्स मुख्य आकर्षण रहे। उन्होंने गर्मी के गुणों की अविश्वसनीय सटीकता (99% से अधिक सहसंबंध) के साथ भविष्यवाणी की। यदि आप इन दो मानचित्रों का उपयोग करते हैं, तो आप एक नए अणु के ताप व्यवहार का लगभग पूरी तरह से अनुमान लगा सकते हैं।
रनर-अप: सिमेट्रिक डिवीजन (Symmetric Division) इंडेक्स ठीक था, लेकिन चैंपियंस जितना अच्छा नहीं था।
हारने वाला: एफ-टेम्परेचर (F-Temperature) इंडेक्स एक खराब भविष्यवक्ता था। यह गर्मी के गुणों का विश्वसनीय अनुमान नहीं लगा सका, चाहे गणित कितना भी जटिल क्यों न हो जाए।

सारांश

संक्षेप में, यह शोध पत्र सिद्ध करता है कि यदि आप जानना चाहते हैं कि एक विशिष्ट प्रकार के एसिड में कितनी गर्मी होगी या कितनी निकलेगी, तो आपको प्रयोगशाला प्रयोग करने की आवश्यकता नहीं है। आपको बस उसके आणविक आकार को देखने, दो विशिष्ट "तापमान स्कोर" (सम और उत्पाद कनेक्टिविटी) की गणना करने और उन्हें एक विशिष्ट 3-चरणीय वक्र समीकरण में डालने की आवश्यकता है।

शोध पत्र निष्कर्ष निकालता है कि यह गणितीय शॉर्टकट इन 19 एसिडों के लिए बहुत अच्छी तरह से काम करता है, जो शुद्ध रूप से उनकी संरचना के आधार पर उनके ऊष्मप्रवैगिकी (thermodynamic) व्यवहार की भविष्यवाणी करने का एक तेज़ और सटीक तरीका प्रदान करता है।

तकनीकी सारांश: वक्ररेखीय प्रतिगमन मॉडलिंग और तापमान-आधारित टोपोलॉजिकल सूचकांकों के साथ QSPR विश्लेषण

समस्या विवरण
यह शोध पत्र मोनोकार्बोक्सिलिक एसिड की रासायनिक संरचनाओं और उनके ऊष्मागतिक गुणों (thermodynamic properties) के बीच मात्रात्मक सहसंबंध स्थापित करने की चुनौती को संबोधित करता है। विशेष रूप से, यह अध्ययन $C_2H_4O_2$ से $C_{20}H_{40}O_2$ तक की 19 मोनोकार्बोक्सिलिक एसिड की एक श्रृंखला के लिए निर्माण की एन्थैल्पी ( $\Delta H^0_f$ liquid), दहन की एन्थैल्पी ( $\Delta H^0_C$ liquid), और वाष्पीकरण की एन्थैल्पी ( $\Delta H^0_{vap}$ gas) की भविष्यवाणी करने पर केंद्रित है। इसका लक्ष्य यह निर्धारित करना है कि क्या तापमान-आधारित टोपोलॉजिकल सूचकांकों का उपयोग क्वांटिटेटिव स्ट्रक्चर-प्रॉपर्टी रिलेशनशिप (QSPR) मॉडल के भीतर प्रभावी आणविक डिस्क्रिप्टर (molecular descriptors) के रूप में सटीक पूर्वानुमान लगाने के लिए किया जा सकता है।

कार्यप्रणाली
यह अध्ययन केमिकल ग्राफ थ्योरी का उपयोग करता है, जहाँ अणुओं को ग्राफ के रूप में दर्शाया जाता है जहाँ शीर्ष (vertices) परमाणु हैं और किनारे (edges) रासायनिक बंध हैं। कार्यप्रणाली निम्नलिखित चरणों के माध्यम से आगे बढ़ती है:

सूचकांकों की परिभाषा: शोध पत्र में एक शीर्ष के "तापमान" से व्युत्पन्न चार विशिष्ट तापमान-आधारित टोपोलॉजिकल सूचकांकों का उपयोग किया गया है, जिसे $T(v) = \frac{deg(v)}{n - deg(v)}$ के रूप में परिभाषित किया गया है, जहाँ $deg(v) $शीर्ष$ v $की डिग्री है और$ n$ शीर्षों की कुल संख्या है। गणना किए गए सूचकांक हैं:
- सम कनेक्टिविटी तापमान सूचकांक ($ST(G)$)
- उत्पाद कनेक्टिविटी तापमान सूचकांक ($PT(G)$)
- F-तापमान सूचकांक ($FT(G)$)
- सिमेट्रिक डिवीजन तापमान सूचकांक ($SDT(G)$)
डेटा संग्रह: 19 एसिड के ऊष्मागतिक गुण मान मौजूदा साहित्य (संदर्भ [5, 14]) से प्राप्त किए गए थे।
प्रतिगमन मॉडलिंग (Regression Modeling): गणना किए गए टोपोलॉजिकल सूचकांकों और ऊष्मागतिक गुणों के बीच के संबंध का वक्ररेखीय प्रतिगमन मॉडल का उपयोग करके विश्लेषण किया गया। तीन प्रकार के समीकरणों का परीक्षण किया गया:
- रैखिक (Linear): $Y = a + b_1X_1$
- द्विघात (Quadratic): $Y = a + b_1X_1 + b_2X_1^2$
- त्रिघाती (Cubic): $Y = a + b_1X_1 + b_2X_1^2 + b_3X_1^3$
सांख्यिकीय मूल्यांकन: मॉडल के प्रदर्शन का मूल्यांकन सहसंबंध गुणांक ( $R^2$ ), F-अनुपात परीक्षण ( $F$ ), और रूट मीन स्क्वायर एरर (RMSE) का उपयोग करके किया गया। अध्ययन यह तर्क देता है कि एक अच्छे QSPR मॉडल के लिए $R^2 > 0.99$ होना आवश्यक है, जिसमें सर्वश्रेष्ठ भविष्य कहनेवाला मॉडल न्यूनतम RMSE और अधिकतम $R^2$ या $F$ मानों द्वारा पहचाना जाता है।

प्रमुख योगदान और परिणाम
अध्ययन ने 19 मोनोकार्बोक्सिलिक एसिड के लिए चार तापमान-आधारित सूचकांकों की गणना की और प्रत्येक ऊष्मागतिक गुण के लिए प्रतिगमन मॉडल तैयार किए। परिणाम सूचकांकों के बीच भविष्य कहने की क्षमता में स्पष्ट भिन्नता दर्शाते हैं:

श्रेष्ठ सूचकांक: सम कनेक्टिविटी तापमान सूचकांक ($ST(G) $) और उत्पाद कनेक्टिविटी तापमान सूचकांक ($ PT(G) $) ने उच्चतम प्रभावकारिता प्रदर्शित की। तीनों ऊष्मागतिक गुणों ($ \Delta H^0_f$, $\Delta H^0_C$ , और $\Delta H^0_{vap}$ ) के लिए, इन सूचकांकों का उपयोग करने वाले मॉडलों ने 0.99 से अधिक $R^2$ मान प्राप्त किए।
- $\Delta H^0_f$ के लिए, सर्वश्रेष्ठ मॉडल क्यूबिक (ST(G) के लिए) और क्यूबिक (PT(G) के लिए) थे, जिनका $R^2$ मान क्रमशः 0.9988 और 0.9986 था।
- $\Delta H^0_C$ के लिए, $ST(G) $के क्यूबिक मॉडल ने 0.9998 का$ R^2 $दिया, जबकि$ PT(G)$ के द्विघात मॉडल ने 0.9941 दिया।
- $\Delta H^0_{vap}$ के लिए, $ST(G) $के क्यूबिक मॉडल ने 0.9978 का$ R^2$ प्राप्त किया।
निम्नतम सूचकांक: F-तापमान सूचकांक ($FT(G) $) और सिमेट्रिक डिवीजन तापमान सूचकांक ($ SDT(G)$) ने काफी कम भविष्य कहने की शक्ति दिखाई।
- $FT(G) $मॉडलों के परिणामस्वरूप निम्न सहसंबंध गुणांक प्राप्त हुए (जैसे, रैखिक$ \Delta H^0_f $के लिए$ R^2 = 0.2913 $), जो क्यूबिक रूपों में भी$ R^2 > 0.99$ की दहलीज को पूरा करने में विफल रहे।
- $SDT(G) $मॉडलों ने मध्यम सहसंबंध दिखाया (लगभग$ R^2 \approx 0.86 $), लेकिन उन्हें उच्च-सटीक भविष्यवाणी के लिए$ ST(G) $और$ PT(G)$ की तुलना में अपर्याप्त माना गया।
मॉडल का रूप: पूरे डेटासेट में, रैखिक, द्विघात और वक्ररेखीय विकल्पों के बीच क्यूबिक समीकरण ने लगातार सबसे अच्छा 'गुडनेस ऑफ फिट' प्रदान किया, विशेष रूप से $ST(G) $और$ PT(G)$ सूचकांकों के लिए।

महत्व और दावे
शोध पत्र का दावा है कि तापमान-आधारित टोपोलॉजिकल सूचकांक, विशेष रूप से सम कनेक्टिविटी और उत्पाद कनेक्टिविटी वेरिएंट, मोनोकार्बोक्सिलिक एसिड के ऊष्मागतिक गुणों की भविष्यवाणी करने के लिए अत्यधिक उपयुक्त डिस्क्रिप्टर हैं। अध्ययन निष्कर्ष निकालता है कि ये सूचकांक, जब क्यूबिक वक्ररेखीय प्रतिगमन मॉडलों के भीतर लागू किए जाते हैं, तो इस रासायनिक श्रृंखला के लिए QSPR विश्लेषण के लिए एक मजबूत गणितीय ढांचा प्रदान करते हैं।

लेखक विनम्रतापूर्वक नोट करते हैं कि जबकि सिमेट्रिक डिवीजन तापमान सूचकांक कुछ सहसंबंध दिखाता है, F-तापमान सूचकांक इन विशिष्ट यौगिकों के लिए अच्छी भविष्यवाणियां करने के लिए अपर्याप्त है। यह कार्य ग्राफ-सैद्धांतिक दृष्टिकोणों की उपयोगिता को सुदृढ़ करता है जो आणविक संरचना को ऊष्मागतिक व्यवहार से जोड़ते हैं, और विशिष्ट प्रतिगमन समीकरण प्रदान करता है जिनका उपयोग अध्ययन किए गए एसिड की सीमा के लिए निर्माण, दहन और वाष्पीकरण की एन्थैल्पी का अनुमान लगाने के लिए किया जा सकता है, बिना किसी प्रयोगात्मक माप की आवश्यकता के।