[한국기술뉴스] 고려대학교(총장 정진택) 화학과 박성남 교수와 최동훈 교수 공동 연구팀이 유기전자재료 발굴 시간을 획기적으로 줄일 수 있는 Artificial Intelligence(AI)인 ‘DeepHL’을 개발했다.

DeepHL은 유기전자재료의 특성을 정확하고 빠르게 예측할 수 있는데, 즉 기존 방법 대비 예측 시간을 약 620,000배 단축할 수 있고, 예측 오차를 약 20배 개선할 수 있다. 이에 따라 돌돌 말 수 있으면서 친환경적이며 무기반도체와 같은 성능을 발휘하는 유기태양전지와 OLED 개발도 한층 앞당겨질 전망이다.

이번 연구는 국제학술지 네이처 출판그룹(Nature Publishing Group)의 국제 저명 학술지 ‘npj Computational Materials’ (IF=12.256, JIF 상위 9.42%)에 7월 11일자 (한국시간 오후 6시) 온라인 게재됐다. 정민석 석사과정생, 정준영 연구교수, 황진효 연구교수, 한민희 석박사통합과정생이 제1 저자로, 박성남 교수와 최동훈 교수가 교신저자로 참여했다.
공동 연구팀은 개발한 DeepHL을 누구나 이용할 수 있도록 웹 어플리케이션도 개발했다.

유기전자재료는 전자 회로 부품을 구성할 수 있는 유기 소재로 기존 실리콘 기반 재료보다 유연하고 가볍고 저렴하다는 장점이 있고, 생산에서 폐기에 이르기까지 환경 친화적이다. 이 때문에 유기전자재료는 반도체, 태양전지, 디스플레이의 소재로서 널리 활용되고 있고, 새로운 유기전자재료를 개발하려는 연구도 매우 활발하게 이뤄지고 있다.

 
고성능 유기전자재료를 개발할 때 중요하게 고려되는 소재 특성 중 하나는 에너지 준위이다. 전자 회로 부품을 구성하는 전자재료 간의 에너지 준위가 잘 정렬되어 있어야 전류가 잘 흐를 수 있기 때문이다. 신규 유기전자재료는 소재를 설계 및 합성한 후 그 특성을 확인하는 과정을 반복하는 시행착오를 통해 개발된다. 이러한 과정에서 개발 비용과 시간이 많이 소모되기 때문에 설계 단계에서부터 소재의 특성을 정확히 예측하여 시행착오를 줄이는 것이 필요하다.

현재 소재 특성 예측에는 이론 기반 계산과 AI 모델이 사용된다. 하지만 이론 기반 계산은 예측 시간이 매우 오래 걸리고, 또한 기존 AI 모델은 계산 데이터베이스(DB)를 학습하여 예측값이 실측값과 차이가 있다는 한계가 있어 재료 발굴 과정에 부적합하다. 이번 연구에서 공동 연구팀이 개발한 DeepHL은 실험 DB에 기반하여 실측값을 빠르고 정확히 재현할 수 있고, 결과적으로 기존 방법들의 한계점을 극복했다.

공동 연구팀은 이에 앞서 소재의 광특성을 정확히 예측할 수 있는 AI 모델(딥러닝 분자 분광법, DLOS)을 개발했다. 해당 연구 성과는 2021년 3월 18일(한국시간) 미국화학회지(American Chemical Society) JACS Au에 발표됐다. 현 연구로 개발된 DeepHL은 본 연구팀이 개발한 AI 모델(DLOS)의 후속 연구로서 소재의 에너지 준위까지 예측할 수 있도록 확장된 것이다. DeepHL을 활용하면 기존 이론 기반 계산과 대비하여 예측 시간을 약 620,000 배 줄일 수 있고, 기존 AI 모델에 비해 예측 오차를 약 20 배 개선할 수 있다.

DeepHL을 개발하기 위해 공동 연구팀은 문헌에 보고된 유기전자재료의 에너지 준위를 수집해 3천3백여 개의 실측값으로 DB를 구축했다. 그리고 구축된 DB에 있는 유기전자재료의 에너지 준위를 효율적으로 학습하여 정확히 예측하는 AI 모델을 개발했다. DeepHL과 선행 연구로 개발된 DLOS을 활용한다면 유기태양전지 및 OLED 등 분야에서 사용되는 유기전자재료의 광특성과 에너지 준위를 정확하고 빠르게 예측할 수 있어 연구 개발의 비용과 시간을 크게 낮출 수 있을 것으로 전망된다.

이번 연구는 교육부가 지원하는 이공분야 대학중점연구소지원사업과 과학기술정보통신부가 지원하는 개인기초연구(중견연구)의 일환으로 수행됐다.