• AI로 ‘OLED’ 개발 비용·시간 확 줄인다
- 고려대 박성남 교수팀, 딥러닝으로 OLED의 색 빠르고 정확하게 예측

딥러닝 분자 분광법을 활용한 신규물질 개발 과정.[고려대학교 제공]

[헤럴드경제=구본혁 기자] 고려대학교 화학과 박성남 교수 연구팀이 차세대 디스플레이로 활용도가 매우 높은 OLED(유기발광다이오드)에 활용되는 발색분자와 형광분자의 광특성을 빠르게 예측할 수 있는 딥러닝 분자 분광법을 개발했다고 18일 밝혔다.

이번 연구성과는 국제학술지 ‘미국화학회 골드지(JACS Au)’ 3월 18일자 온라인 출판됐으며, 표지논문으로 선정됐다.

발색분자와 형광분자는 염료와 태양전지, OLED, 형광센서, 바이오이미징 분야에서 널리 활용되고 있다. 하지만 발색분자와 형광분자를 개발하려면 흡광 파장과 발광 파장, 반치폭, 발광 양자 효율, 흡광 계수 등 광특성을 정확하게 예측해야 한다. 예를 들어 OLED용 발광분자는 색과 밝기, 선명도, 에너지 전환효율 등 OLED로서 중요한 광특성을 결정해야 한다. 광특성을 예측하기 위해 이론 기반 양자 화학 계산을 사용했는데, ‘딥러닝 분자 분광법’은 기존 방법 대비 예측 시간을 약 6만3000배 줄이고 흡광 및 발광 파장의 예측 오차를 각각 2.2배 및 1.5배 줄일 수 있었다. ‘딥러닝 분자 분광법’을 사용하면 목적에 따른 광특성을 만족하는 발색분자와 형광분자를 빠르게 찾을 수 있어 개발 시간과 비용을 크게 줄일 수 있다.

연구팀은 문헌에 보고된 수많은 분자의 7가지 광특성을 수집해 3만여 개 데이터로 데이터베이스(DB)를 구축했다. 이렇게 구축한 데이터베이스에 있는 분자구조와 광특성을 효율적으로 학습할 수 있는 딥러닝 모델을 개발했다. 이를 통해 설계에 필요한 분자구조의 광특성을 빠르고 정확하게 예측할 수 있는 ‘딥러닝 분자 분광법’을 개발했다.

딥러닝 분자 분광법을 활용하면 분자의 흡광 파장, 흡광 반치폭, 흡광 계수, 발광 파장, 발광 반치폭, 발광 양자 효율, 발광 수명 등의 7가지 광특성을 정확하고 빠르게 예측할 수 있다. 특히 분자의 광특성은 분자-주위 환경의 상호작용에 따라 달라지며, 딥러닝 모델은 이러한 분자-주위 환경 상호작용 효과를 포함하고 있어 분자의 광특성을 높은 정확도로 예측한다. 또 딥러닝 분자 분광법을 활용하면 분자가 용액상, 박막, 고체상, 기체상 등 다양한 환경에 있을 때에도 광특성을 정확하게 예측할 수 있다.

박성남 교수 연구팀.[고려대학교 제공]

신규 발색분자와 형광분자를 개발할 때 목적에 맞는 광특성을 가진 것을 찾을 때까지 매우 많은 후보 분자들을 개발 및 합성해 광특성을 확인하는 절차를 거친다. 이 과정에서 목적에 맞지 않는 후보 분자들을 확인하는 데에 개발 비용과 시간이 크게 소모된다. 연구팀이 개발한 딥러닝 분자 분광법을 활용해 염료와 태양전지, OLED, 형광센서, 바이오이미징 분야에서 새로운 발색분자와 형광분자를 개발하면 설계에 필요한 분자가 요구하는 광특성을 갖고 있는지를 실제로 합성하기 전에도 미리 확인할 수 있어 연구 개발에서 비용과 시간을 크게 낮출 수 있을 것으로 전망된다.

nbgkoo@heraldcorp.com

맞춤 정보
    당신을 위한 추천 정보
      많이 본 정보
      오늘의 인기정보
        이슈 & 토픽
          비즈 링크