고려대학교

고려대학교 KOREA UNIVERSITY

QS 세계대학평가 전공분야별 순위 27개 분야 100위권 내 차상위권 진입

2020 QS 세계대학평가 역대 최고 순위 기록 세계 69위 국내 종합사립대 1위


HOME

현재 페이지 위치

연구창의적 미래 인재 양성, 세계를 변화시키는 대학

OLED 개발 시간과 비용을 획기적으로 줄일 AI 등장
  • 글쓴이 : 커뮤니케이션팀
  • 조회 : 1531
  • 일 자 : 2021-03-18


OLED 개발 시간과 비용을 획기적으로 줄일 AI 등장
딥러닝으로 OLED의 색을 빠르고 정확히 예측이 가능해지다
맞춤형 염료 및 형광체를 개발할 수 있어 개발 비용 절감 기대

 

 

박성남 교수팀 연구진

▲ 사진왼쪽부터 박성남 교수(교신저자), 정준영 연구교수(제1저자), 한민희 석박사통합과정생(제1저자)

 

 

 


이과대학 화학과 박성남 교수 연구팀이 차세대 디스플레이로 활용도가 매우 높은 OLED(유기발광다이오드)에 활용되는 발색분자와 형광분자를 개발하는데 시간과 비용으로 획기적으로 줄일 수 있는 AI를 개발했다. 특히, 발색분자와 형광분자 등 다양한 유기분자의 광특성을 빠르게 예측할 수 있는 ‘딥러닝 분자 분광법’을 개발했다고 밝혔다.
* OLED: Organic light emitting diode, 유기발광다이오드
* 광특성(光特性): 빛을 흡수하고 방출하는 특성으로 물질의 색과 연관이 있음.

 

이번 연구는 국제학술지 미국화학회지(American Chemical Society) JACS Au에 3월 18일자(한국시간) 표지논문으로 게재됐다. 정준영 연구교수와 한민희 석박사통합과정생이 제1저자로, 박성남 교수가 교신저자로 참여했다.
* 논문명 : Deep Learning Optical Spectroscopy Based on Experimental Database: Potential Applications to Molecular Design

* 저   자 : 박성남 교수 (교신저자/고려대학교), 최동훈 교수(공동저자/고려대학교) 정준영 연구교수 (공동 제1저자, 고려대학교), 한민희 (공동 제1저자, 고려대학교), 황진효 (공동저자, 고려대학교), 정민석 (공동저자, 고려대학교)



발색분자와 형광분자는 염료와 태양전지, 유기발광다이오드(OLED), 형광센서, 바이오이미징 분야에서 널리 활용되고 있어, 관련 연구가 매우 활발하게 이뤄지고 있다. 그런데 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 63,000 배 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.
* 흡광 계수: 특정 파장에서 분자가 빛을 흡수하는 정도
* 반치폭: 흡광 및 발광 스펙트럼에서 픽(Peak) 높이의 절반에 해당되는 폭. 발광 스펙트럼의 경우 반치폭이 좁을수록 색순도가 높다.
* 발광 양자 효율: 분자가 빛을 흡수한 후에 빛을 방출할 때, 흡수된 빛 대비 방출된 빛의 비율.


 
연구팀은 문헌에 보고된 수많은 분자의 7가지 광특성을 수집해 3만여 개 데이터로 데이터베이스(DB)를 구축했다. 그리고 이렇게 구축한 데이터베이스에 있는 분자구조와 광특성을 효율적으로 학습할 수 있는 딥러닝 모델을 개발했다. 이를 통해서 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.
* 발광 수명: 분자가 들뜬상태에서 바닥상태로 내려오면서 빛을 방출한다. 이때 분자가 들뜬상태에 있는 시간이 발광 수명이다.


신규 발색분자와 형광분자를 개발할 때 목적에 맞는 광특성을 가진 것을 찾을 때까지 매우 많은 후보 분자들을 개발 및 합성하여 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, 유기발광다이오드(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.


또한, 연구진은 딥러닝 분자 분광법을 누구나 이용할 수 있도록 웹 어플리케이션을 개발했다.(http://deep4chem.korea.ac.kr/) 이번 연구는 교육부·한국연구재단이 추진하는 이공분야 대학중점연구소지원사업의 지원으로 수행됐다.

 

 

 

 

[ 그 림 설 명 ]

 

 

그림1

(그림1) 딥러닝 분자 분광법으로 예측한 분자의 색과 형광
분자가 용매에 녹아 있거나 host와 함께 필름으로 있을 때, 흡광 (검은색)과 형광 (빨간색) 스펙트럼을 실험과 딥러닝 분자 분광법(딥러닝), 이론 기반 방법으로 비교하였다. 딥러닝 분자 분광법으로 예측한 광특성을 이용하여 스펙트럼뿐만 아니라 색도 함께 구현할 수 있다. 그림에서 보이는 것처럼 딥러닝 분자 분광법이 실험으로 얻은 색을 잘 구현하는 것을 확인할 수 있다.

 

 

그림2

(그림2) 딥러닝 분자 분광법을 활용해 신규 물질의 개발 과정.
a. 딥러닝 분자 분광법을 활용한 신규 물질 개발 과정의 개요. 세 개의 후보 물질을 설계한 후, 딥러닝 분자 분광법을 활용하여 광특성을 예측함. 목표 물질이 파란색을 방출하고 형광 반치폭이 좁아 발광색이 선명한 것이다. 이를 만족하는 후보 물질 1이 해당되며, 합성한 후 광특성을 확인함. 딥러닝 분자 분광법으로 예측된 형광이 실제 합성한 분자의 색과 일치함을 확인함. b. 세 개의 후보 물질과 딥러닝 분자 분광법으로 예측한 광특성. c. 후보 물질 1을 합성하여 측정한 흡광과 형광 스펙트럼.

 

 

 

커뮤니케이션팀 서민경(smk920@korea.ac.kr)