---
type: paper
slug: kyeol-chang-2016-temperature-varied-spectra-mb
title: >-
  Acquisition of a series of temperature-varied sample spectra to induce
  characteristic structural changes of components and selection of
  target-descriptive variables among them for multivariate analysis to improve
  accuracy
authors:
  - '[[kyeol-chang]]'
  - '[[junghyelee]]'
  - '[[chi-hyuck-jun]]'
  - '[[hoeil-chung]]'
year: 2016
venue: '[[applied-spectroscopy-reviews]]'
volume: '51'
pages: 718-734
doi: 10.1080/05704928.2016.1167069
categories:
  - '[[chemometrics]]'
methods:
  - '[[markov-blanket]]'
  - '[[iamb]]'
  - '[[partial-least-squares]]'
  - '[[feature-selection]]'
themes:
  - '[[temperature-varied-spectroscopy]]'
  - '[[raman-spectroscopy]]'
  - '[[variable-selection]]'
aliases: []
last_updated: '2026-05-20T02:01:15+09:00'
---
# Acquisition of a series of temperature-varied sample spectra to induce characteristic structural changes of components and selection of target-descriptive variables among them for multivariate analysis to improve accuracy

*[[kyeol-chang]], [[junghyelee]], [[chi-hyuck-jun]], [[hoeil-chung]] (2016)* · [[applied-spectroscopy-reviews]] 51:718-734 · [DOI ↗](https://doi.org/10.1080/05704928.2016.1167069)

> *온도 변화 Raman 분광 (temperature-varied Raman)* 으로 sample 의 *구조 변화* 정보를 다양하게 획득 후, [[markov-blanket]] ([[iamb]]) 으로 *target-descriptive 변수* 만 선택. [[partial-least-squares]] (PLS) 와 결합. 합성 hydrocarbon 혼합물, 윤활기유 (LBO), 폴리에틸렌 (PE) pellet 의 농도·점도·밀도 예측 정확도가 *single snapshot spectrum 또는 all snapshot* 대비 개선. *온도 다양화 + MB 선택* 이 *동등한 분자 구조 component* 의 식별에 특히 효과적.

- **RQ**: 단일 spectrum 보다 *온도 변화 series* 가 더 풍부한 정보를 주는가? 그 풍부한 정보 중에서 *MB 선택* 으로 *redundancy 제거* 가 가능한가?
- **방법론**: 온도 변화 Raman spectra 획득 (cryogenic → room temp) + [[markov-blanket]] ([[iamb]]) 변수 선택 + [[partial-least-squares]] (PLS) calibration
- **데이터**: 합성 hydrocarbon 혼합물, 윤활기유 (LBO), 폴리에틸렌 (PE) pellets
- **주요 발견**: (1) **온도 변화 spectra + MB 선택 + PLS** > 단일 snapshot 또는 all snapshot. (2) 동일한 분자 구조 component 분석에 특히 효과적 (cyclohexane, benzene, toluene 등 hydrocarbon 혼합). (3) LBO KV@40 (40°C 동점도), PE pellet 밀도 예측 정확도 개선. (4) MB 의 *최소 + 비중복* 특성이 component-specific + property-descriptive 변수 보존.
- **시사점**: 화학계량학에서 *온도 변동 protocol* + *MB 변수 선택* 의 결합 protocol 가 복잡한 sample 분석에 일반화 가능. 석유 sample (gasoline, kerosene), edible oils, polymers 에 확장.

![온도 변화 Raman 분광과 MB 변수 선택 결합 protocol 개요.](/papers/201608_ChangK_Acquisition_of_a_series_of_temperature_varied_sample_spectra_to_induce_characteristic_structural_changes_of_components_and_selection_of_target_descriptive_variables_among_them_for_multivariate_analysis_to_improve_accuracy/fig1.png)

## 요약

이 paper 는 [[junghyelee]] 의 *1 기 박사 시기* 의 *NIR / Raman 분광 분석* 라인 후속. [[kyeol-chang]] (POSTECH 박사) 가 제 1 저자, [[hoeil-chung]] (한양대 화학) + [[chi-hyuck-jun]] 공저. *Applied Spectroscopy Reviews* 의 *full review-paper format* (16 페이지).

방법론적 혁신: *2 단계 protocol*. (i) **온도 변동 spectra 획득** — 단일 온도가 아닌 cryogenic → room temp 까지 *연속 spectra series*. 온도 변화가 *분자 구조 변화* 유발 → 같은 component 의 *다양한 spectral signature* 획득. (ii) **MB 변수 선택** — IAMB 으로 target-descriptive 변수만 선택, *redundant* spectra channels 제거. 결합: *풍부한 정보 + 압축된 표현*.

핵심 발견: MB 선택 + PLS 가 (a) 단일 optimal snapshot, (b) all snapshot (변수 선택 없이) 보다 우수. *유사 분자 구조 component* (cyclohexane vs benzene vs toluene — 모두 cyclic hydrocarbons) 의 농도 분리에 특히 유리. LBO 의 KV@40 (kinematic viscosity at 40°C), PE pellet 밀도 같은 *물리 속성* 추정도 개선.

[[junghyelee]] 의 *연구 궤적* 안에서 이 paper 는 *1 기의 NIR/Raman 응용 라인*, [[junghye-lee-2015-kernel-nir-calibration]] (커널 + 특성 선택) 의 자매. [[kyeol-chang]] 의 *POSTECH 박사 연구 주요 paper*.

## 핵심 결과

| Sample | 측정 속성 | MB+PLS 정확도 |
|---|---|---|
| Hydrocarbon 혼합물 | 농도 (cyclohexane, benzene, toluene 등) | **개선** |
| 윤활기유 (LBO) | KV@40 (40°C 동점도) | 개선 |
| 폴리에틸렌 pellet | 밀도 | 개선 |

- vs 단일 snapshot: 일관 우위
- vs all snapshot (변수선택 X): redundant 정보 제거로 개선
- 유사 분자 구조 component 분리에 특히 효과

## 방법론 노트

[[iamb]] 변수 선택 (Raman spectrum 채널 $f_i$ from temperature series):

1. *Grow*: $f_i$ 추가 if $f_i \not\perp T \mid \text{CurrentMB}$
2. *Shrink*: $f_i$ 제거 if $f_i \perp T \mid \text{CurrentMB} \setminus \{f_i\}$

조건부 (in)dependence 검정: continuous variables → partial correlation 또는 likelihood ratio.

[[partial-least-squares]] (PLS) calibration: latent variables $T = XW$, regression $y = T\beta + \varepsilon$.

식별 가정: (i) 온도 변화의 *구조적 정보* 유발, (ii) MB 의 *완전성 + 최소성*, (iii) PLS 의 *latent variable 적합성*.

## 연구 계보

이 paper 는 (i) Wold et al. (2001) 의 PLS 정통, (ii) Margaritis & Thrun (2000) 의 IAMB 본가, (iii) [[junghye-lee-2015-kernel-nir-calibration]] 직접 선행, (iv) [[hoeil-chung]] 의 한양대 Raman 분광 라인 — 의 결합. [[junghyelee]] 의 *연구 궤적* *1 기 NIR/Raman 응용 라인*.

## See also

- [[junghyelee]]
- [[kyeol-chang]]
- [[chi-hyuck-jun]]
- [[hoeil-chung]]
- [[markov-blanket]]
- [[iamb]]
- [[partial-least-squares]]
- [[raman-spectroscopy]]
- [[applied-spectroscopy-reviews]]
- [[junghye-lee-2015-kernel-nir-calibration]]