고려대, 유기전자재료 발굴 AI 개발…시간 62만배 단축

네이처 출판 그룹 학술지 게재…'돌돌 마는' 유기태양전지·OLED 적용 전망

[뉴스토마토 신태현 기자] 고려대학교 연구팀에서 유기발광다이오드(OLED), 유기반도체, 태양광 등에 사용되는 유기전자재료 연구개발 시간을 62만배 단축할 수 있는 인공지능(AI)을 개발했다.

 

고려대는 화학과 박성남 교수 및 최동훈 교수 공동 연구팀이 AI ‘DeepHL’을 개발했다고 11일 밝혔다.

 

DeepHL은 유기전자재료의 특성을 정확하고 빠르게 계산해 즉 기존 방법 대비 예측 시간을 약 62만배 단축할 수 있고, 예측 오차를 약 20배 개선할 수 있다는 설명이다.

 

이에 따라 돌돌 말 수 있으면서 친환경적이며 무기반도체와 같은 성능을 발휘하는 유기태양전지와 OLED 개발도 한층 앞당겨질 전망이다. 

 

고려대는 화학과 박성남 교수 및 최동훈 교수 공동 연구팀이 ‘DeepHL’을 개발했다고 11일 밝혔다. 왼쪽부터 연구팀의 정민석 석사과정생, 박 교수, 한민희 석박사통합과정생, 정준영 연구교수, 최 교수. (사진=고려대)

 

이번 연구는 국제학술지 네이처 출판 그룹의 국제 저명 학술지 '엔피제이 컴퓨테이셔널 머터리얼즈'에 이날 온라인 게재됐다. 공동 연구팀은 개발한 AI를 누구나 이용할 수 있도록 웹 어플리케이션도 개발하기도 했다.

 

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 있다. 

 

신규 유기전자재료는 소재를 설계 및 합성한 후 그 특성을 확인하는 과정을 반복하는 시행착오를 통해 개발된다. 개발 비용과 시간이 많이 소모되기 때문에 설계 단계에서부터 소재의 특성을 정확히 예측해 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 예측값이 실측값과 차이가 있다는 한계가 있어 재료 발굴 과정에 부적합하다.

 

이번 연구에서 공동 연구팀이 개발한 DeepHL은 실험 DB에 기반해 실측값을 빠르고 정확히 재현할 수 있다. 실험 DB 구축은 문헌에 보고된 유기전자재료의 에너지 준위(원자·분자 에너지 값)를 수집해 3300여개의 실측값을 도출한 결과다.

 

공동 연구팀은 이에 앞서 소재의 광특성을 정확히 예측할 수 있는 AI 모델(딥러닝 분자 분광법, DLOS)을 개발했다. 해당 연구 성과는 지난해 3월18일(한국시간) '미국화학회 골드지(JACS Au)'에 발표됐다. 이번 연구로 개발된 DeepHL은 DLOS의 후속 연구로서 소재의 에너지 준위까지 예측할 수 있도록 확장된 것이다.

 

AI 모델을 활용한 신소재 개발 과정의 개요. (자료=고려대)

 

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

 

박 교수는 "무기반도체는 유연하게 만들 수가 없어 유기반도체가 중요하다"며 "현재까지는 소재를 직접 만들어보고 나서야 성공 여부를 알 수 있다시피해 시간이 많이 걸렸지만, 이번 AI로 시일을 단축할 수 있게 됐다"고 설명했다.

 

연구팀은 앞으로 유기전자재료 내 전하 이동도로 연구를 확장해 연구개발에 드는 시간을 더 단축하는 데 기여할 예정이다. 이동도를 예측하는 AI 모델을 구축하고, 더 나아가 연구자가 원하는 에너지 준위와 전하 이동도를 가진 소재를 직접 설계해주는 AI 방법을 개발한다는 것이다.

  

신태현 기자 [e-mail]

이 기사는 뉴스토마토 보도준칙 및 윤리강령에 따라 최병호 공동체부장이 최종 확인·수정했습니다.