چکیده: در این پروژه یک مدل شبکه عصبی با آموزش به کمک الگوریتم لونبرگ مارکوت برای مطالعات QSAR مشتقات 1-[(5-کلروفنیل)سولفونیل]-1-H-پیرول ارائه شده است. در این پروزه توصیفگرهای محاسبه ای مورد استفاده قرار گرفتند، لذا تمام 1481 توصیف کننده برای هر مولکول به کمک نرم افزار Dragon محاسبه گردید. از میان این توصیفگرها تعداد 8 توصیفگر مهم که با داده های CC_50 ارتباط داشتند به روش رگرسیون مرحله به مرحله در نرم افزار SPSS انتخاب شده و در مدلسازی مورد استفاده قرار گرفتند. در این مطالعه، شبکه عصبی مصنوعی با جریان رو به جلو با الگوی آموزش پس انتشار بر اسای الگوریتم لونبرگ-مارکوت انتخاب گردید و عوامل موثر در آموزش شبکه بررسی و بهینه شدند. در ارزیابی مدل ارائه شده در این پروزه برای پیش بینی داده های CC_50 داروهای ضد ایدز، روشهای استفاده از سری پیش بینی و روش رد مرحله ای تک به تک بکار گرفته شد. خطای جذر میانگین حاصله برای دو روش فوق به ترتیب 0/0067 و 0/013 بدست آمد. نتایج حاصله نشان دهنده قدرت پیش بینی بالای مدل شبکه عصبی می باشد. نتایج آشکارا بیانگر این هستند که روش QSAR ارائه شده در این پروژه قادر است خاصیت ضد داروئی ایدز هر مشتقی از 5-فنیل-1-فنیل آمینو-H1-ایمیدازول با هر استخلافی را با قدرت بالا و خطای بسیار کم پیش بینی کند.