РАЗРАБОТКА ОНТОЛОГИЧЕСКОЙ МОДЕЛИ ОКИСЛИТЕЛЬНО-ВОССТАНОВИТЕЛЬНЫХ ВЗАИМОДЕЙСТВИЙ НЕОРГАНИЧЕСКИХ ВЕЩЕСТВ

ONTOLOGICAL MODEL DEVELOPMENT OF REDOX REACTIONS OF INORGANIC CHEMICALS

Boris Kiselev

аssociate Professor, National Research Nuclear University MEPhI,

Russia, Moscow

Mikhail Yuriev

postgraduate of  National Research Nuclear University MEPhI,

Russia, Moscow

Evgeniya Zhadan

bachelor of  National Research Nuclear University MEPhI, undergraduate of  National Research Nuclear University MEPhI,

Russia, Moscow

Victor Kharkov

bachelor of  National Research Nuclear University MEPhI, undergraduate of  National Research Nuclear University MEPhI,

РФ, Moscow

Elena Medvedeva

bachelor of  National Research Nuclear University MEPhI, undergraduate of  National Research Nuclear University MEPhI,

РФ, Moscow

АННОТАЦИЯ

К настоящему времени информационные технологии достигли высокого уровня развития, поэтому необходимы интеллектуальные системы, которые позволят автоматизировать деятельность в таких сложных предметных областях как химия. Объем знаний в области химии постоянно увеличивается, поэтому встает вопрос быстрого поиска и классификации информации. Одним из способов, позволяющих решать поставленные задачи, являются онтологии. В данной статье приводится описание онтологической модели окислительно-восстановительных взаимодействий неорганических веществ, которая позволяет автоматически классифицировать реагирующие вещества, на основе принципа окислительно-восстановительной двойственности.

ABSTRACT

To date, information technologies have achieved a high level of development, intelligent systems are therefore necessary that allows to automate the activity in such complex domains as chemistry. The body of knowledge in the field of chemistry is constantly increasing, this raises the question of a quick search and classification of information. One of the ways to solve the objective, are ontologies. In this article provide a description of an ontological model of redox interactions of inorganic substances, allowing to automatically classify the reactants based on the principle of the redox duality.

Ключевые слова: онтологическая модель; OWL; окислительно-восстановительная двойственность; класс; индивид; объектное свойство; свойство типа данных; восстановитель; окислитель; продукт реакции; химия.

Keywords: ontological model; OWL; redox duality; class; individual; object property; datatype property; reductant; oxidant; reaction product; chemistry.

Введение

На сегодняшний день современные компьютерные технологии достигли высокого уровня развития, в связи с этим, появилась потребность в программных системах, автоматизирующих деятельность в таких сложных предметных областях как химия. Неорганическая химия является неотъемлемой частью общей химии, наряду с другими ее разделами, такими как органическая, физическая и аналитическая химия, с которыми она тесно связана, но имеет при этом свою специфику. В связи с этим, решение задач в области неорганической химии требует большого объема информации и знания основных закономерностей химических реакций и изменения свойств химических элементов и их соединений. Программный комплекс, с помощью которого можно решать задачи без использования дополнительного оборудования, позволяет сэкономить время и средства, необходимые для решения этих же задач в лабораторных условиях.

Для создания экспертной системы, решающей задачи в области неорганической химии, необходимо описать онтологию предметной области и построить ее модель [2]. Одним из наиболее актуальных и важных сегодня вопросов является вопрос создания онтологии различных разделов предметной области «Химия», чтобы создать единую базу знаний и автоматизировать процесс поиска и классификации информации.

Таким образом, можно сформулировать следующие проблемы:

• Классификация данных;
• Формирование единой базы знаний, на основе объединенной онтологической модели различных областей знаний.

Онтология представляет собой механизм выражения и распределения знаний для определения общего словаря предметной области и поддержки интеллектуальных запросов в базах данных. Онтологии и метаданные описывают организацию и содержание ресурсов, что позволяет объединять данные ресурсы.

В настоящее время существуют программные комплексы, основанные на химических онтологиях, такие как ChEBI [4] (химические объекты биологического влияния), представляющий собой легкодоступный словарь молекулярных структур, ориентированный на небольшие химические объекты, и онтология OntoChem [6], предметной областью которой является химия и другие смежные области. Обе онтологии обеспечивают поиск быстрее, чем 100000 операций/сек. [1]. Таким образом, представленные онтологии позволяют решить проблему поиска в больших объемах данных.

В качестве языка описания онтологий используются язык RDF, OWL и другие, обеспечивающие стандартизированный подход для ее представления. В данной работе используется один из наиболее известных редакторов, поддерживающих стандарт OWL – Protégé [7]. Онтология описывает понятия предметной области и отношения между ними. Логическая модель предоставляет возможность использования ограничений, позволяющих проверить, все ли утверждения в онтологии взаимно согласуются.

Онтологическая модель по химии, представленная в данной статье, позволяет:

• Автоматической классификации;
• Использования совместно с моделью онтологии ПЗСО KFLE (Knowledge Field Learning Environment) [5] для моделирования ОВР в курсе химии.

Описание онтологической модели

Рассмотрим онтологическую модель окислительно-восстановительных взаимодействий неорганических веществ на основе принципа окислительно-восстановительной двойственности. Под окислительно-восстановительной двойственностью понимается способность вещества проявлять как окислительные, так и восстановительные свойства, в зависимости от реагентов и от условий проведения реакции. Такие вещества содержат элемент с промежуточной степенью окисления, атомы которого могут как принимать, так и отдавать электроны. Таким образом, степень окисленности элемента будет понижаться либо повышаться [3].

В онтологической модели используется иерархическая структура, которая показывает классификацию понятий предметной области. Онтология содержит пять классов:

• Substances – класс объектов предметной области (неорганических веществ), участвующих в химической реакции и связанных друг с другом определенными свойствами, которые автоматически классифицируются на окислители, восстановители, продукты реакции и вещества, обладающие окислительно-восстановительной двойственностью.
• Reductants – класс, представляющий собой восстановитель, т.е. включающий индивида, принадлежащего классу Substances, который имеет степень окисления больше, чем у вступающего с ним в реакцию вещества.
• Oxidants – класс, представляющий собой окислитель, т.е. включающий индивида, принадлежащего классу Substances, который имеет степень окисления больше, чем у вступающего с ним в реакцию вещества.
• ReactionProducts – класс, представляющий собой продукт реакции, т.е. включающий индивида, принадлежащего классу Substances, который является продуктом окислителя либо восстановителя.
• Duality – класс, представляющий собой вещество, т.е. включающий индивида, принадлежащего классу Substances, которое принадлежит как классу окислителей (Oxidants), так и классу восстановителей (Reductants).

Рисунок 1. Иерархия классов онтологической модели

Рассмотрим объектные свойства, в модели они все являются нерефлексивными.

IsReactedWith – является симметричным и показывает, что индивиды класса Substances вступают в реакцию друг с другом и один из них является окислителем, а другой восстановителем.

IsProductOf – показывает, что один из индивидов класса Substances является продуктом другого, причем он может быть продуктом окислителя либо восстановителя.

IsTurnedInto – свойство, инверсное свойству IsProductOf, показывает, что один из индивидов класса Substances, который так же принадлежит, либо классу окислителей, либо классу восстановителей,  в результате реакции превращается в другой.

Рисунок 2. Объектные свойства

Перейдем к рассмотрению свойств типа данных, которые связывают индивида со значением данных.

hasOxidationAndRecoveryDegree – является функциональным, т.е. индивид может вступать по нему в отношение только один раз. Свойство характеризует степень окисления вещества, которая имеет значение типа данных – integer, так как может являться как целым отрицательным так и целым положительным числом, в том числе, может быть равна нулю.

Рисунок 3. Свойства типа данных

Теперь опишем наложенные на модель логические ограничения. Они  описываются с помощью дискрипционной логики и служат для:

• Валидации введенных данных
• Логического вывода фактов на основе введенных данных

Все ограничения в данной модели описаны как необходимые и достаточные.

Oxidants – экземпляры данного класса, являются экземплярами класса Substances, связанные отношением «вступать в реакцию с» хотя бы с одним экземпляром класса Восстановители и только с экземплярами класса Восстановители. Также экземпляры данного класса связанны отношением «превращаться в» хотя бы с одним экземпляром класса Продукты реакции и только с экземплярами этого класса.

Reductants – экземпляры данного класса, являются экземплярами класса Substances, связанные отношением «вступать в реакцию с»  хотя бы с одним экземпляром класса Окислители и только с экземплярами класса Окислители. Также экземпляры данного класса связанны отношением «превращаться в» хотя бы с одним экземпляром класса Продукты реакции и только с экземплярами этого класса.

Reaction Products – экземпляры данного класса, являются экземплярами класса Substances, связанных отношением «являться продуктом» хотя бы с одним экземпляром класса Окислители или Восстановители.

Duality – экземпляры данного класса, являются экземплярами класса Substances. Кроме этого, класс состоит только из объединения классов Окислители и Восстановители.

Также, все экземпляры классов Oxidants, Reductants, Reaction Product и Duality связаны свойством, характеризующим степень окисления вещества, которая имеет значение типа данных – integer.

Рисунок 4. Логические ограничения на примере класса Duality

Заключение

Таким образом, была построена онтологическая модель окислительно-восстановительных взаимодействий неорганических веществ на основе принципа окислительно-восстановительной двойственности, были описаны компоненты онтологической модели, с помощью которой решается задача автоматической классификации реагирующих веществ на классы Окислители и Восстановители, продуктов реакции и веществ, обладающих окислительно-восстановительной двойственностью, которые принадлежат как классу Окислители, так и классу Восстановители.

Следующим шагом данной работы является проектирование единой базы знаний и совместного использования данной онтологии с моделью онтологии ПЗСО KFLE (Knowledge Field Learning Environment) [5] для моделирования ОВР в курсе химии.

Список литературы:

1. Киселёв Б.Г. Сравнительный анализ современных химических онтологий // Технические науки - от теории к практике: сб. ст. по матер. LXIV междунар. науч.-практ. конф. № 11(59). – Новосибирск: СибАК, 2016. – С. 14-21.
2. Кравченко Ю.А., Новиков А.А., Марков В.В. Метод создания онтологии предметной области на основе глоссария // Известия Южного федерального университета. Технические науки № 6 (167) / 2015. – С. 158-168.
3. Рябухова Т.О. Окислительно-восстановительные реакции в растворах. [Электронный ресурс]. - Энгельс: Изд-во ЭТИ (филиал) СГТУ имени Гагарина Ю.А., 2016. – 1 электрон. опт. диск. (CD-ROM).
4. ChEBI [Электронный ресурс]. 2017. URL: http://www.ebi.ac.uk/chebi/ (дата обращения 8.04.2017).
5. Kiselev B.G., Yakutenko V.A., Yuriev M.A.  Knowledge acquisition and learning process description in context of e-learning // International Scientific-Practical Conference on Information Technologies in Education of the XXI Century: AIP Conference Proceedings ITE-XXI 2015 (Moscow, 7-8 december. 2015). – Moscow, 2017. – 10 с.
6. OntoChem. It solution [Электронный ресурс]. 2017. URL: http://www.ontochem.com/ (дата обращения 9.04.2017).
7. Protégé [Электронный ресурс]. 2016. URL: http://protege.stanford.edu/ (дата обращения 11.04.2017).