화학공학/고분자공학부 이준엽 교수 연구팀, 딥러닝 활용한 OLED 소자 최적화 방법론 개발

- OLED 소자 개발 소요시간 6배 단축

- 차세대 OLED 분야에서 중국에 앞설 수 있는 기술적 토대 마련

화학공학/고분자공학부 이준엽 교수 연구팀이 단위소자 제작 없이 소자 내부의 전기적 물성을 예측할 수 있는 딥러닝 모델을 최초로 개발하고 최적화 방법론을 정립하였다.

기존에는 OLED 소자를 최적화하기 위해 각 유기물층의 전기적 물성을 분석하기 위한 단위소자(단일전하소자)를 추가 제작하여야 한다. 최소 6종 이상의 유기물이 소자를 구성하는 것을 고려하면 한 개의 발광소자를 분석하기 위해서는 6종의 단위소자를 제작하고 전기적 특성을 분석해야 하기 때문에 최적화에 시간과 자원이 많이 소요되어 소자 개발에 속도를 내기 어려웠다.
⁕ 단위소자(단일전하소자): 전자 혹은 정공만 흐르도록 설계된 소자

이러한 문제점을 해결하기 위해 이준엽 교수 연구팀은 OLED 소자의 임피던스 응답 특성으로 얻은 모듈러스 데이터가 소자 내부 전하 거동과 연관이 깊다는 것에 착안하여 이를 입력 변수로 하는 딥러닝 모델을 개발하였다. 연구팀은 소자의 구동 전압과 주파수에 따른 임피던스 특성 값을 모듈러스 2D 이미지로 변환하여 이를 합성곱 신경망 기반 모델에 훈련시킨 결과, 모듈러스 2D 이미지만으로 각 유기물층의 전하이동도를 예측하는 데 세계 최초로 성공하였다. 이러한 특성에 기반하여 연구팀은 이 모듈러스 2D 이미지를 ‘소자 전하 지문(Fingerprint)’으로 명명하였다.

본 연구는 딥러닝과 소자 물리를 융합하여 OLED 소자를 분석한 최초의 연구로써 학문적 의미를 지닐 뿐 아니라 OLED 소자의 최적화 과정 중 시간과 자원이 많이 소모되는 단위소자의 제작 없이 최소 6배 이상 빠르게 개발할 수 있는 방법을 제시함으로써, 차세대 OLED 기술 경쟁에서 중국에 앞설 수 있는 기술적 토대를 마련하였다는 점에서 의미가 깊다. 또한, 소자 개발 과정 단축으로 인한 탄소 배출량 감소로 기술 경쟁력 뿐만 아니라 지속 가능 경영 활동에도 기여할 수 있을 것으로 기대된다. 이준엽 교수 연구팀은 본 연구의 딥러닝 모델을 산업 현장에서 활용될 수 있는 수준으로 정확도를 향상시키기 위해 후속 연구를 수행하고 있다.

본 연구는 김재민 박사가 제1저자, 임준섭 박사과정이 제2저자로 참여하였으며 화학 및 재료 분야 세계학술지인 Materials Horizons (IF = 15.717, JCR 상위 6.7%)에 7월 13일 온라인 게재되었다. 본 연구는 교육부 학문후속세대 과제와 성균관대학교 AI융합연구과제 사업을 통하여 수행되었다.

이준엽 교수, 김재민 박사, 임준섭 박사과정(왼쪽부터)