OLED 소자 개발시간 6배 단축

세계 최초로 관련 방법론 정립

차세대 OLED 기술경쟁력 마련

이준섭 성균관대 화학공학/고분자공학부 교수. [성균관대 제공]
이준섭 성균관대 화학공학/고분자공학부 교수. [성균관대 제공]

[헤럴드경제=박혜원 기자] 이준엽 성균관대 화학공학/고분자공학부 교수 연구팀이 딥러닝 기술을 활용, 유기발광다이오드(OLED) 소자 개발 소요시간을 최소 6배 단축할 수 있는 방법론을 세계 최초로 정립했다.

31일 성균관대에 따르면 연구팀은 단위소자 제작 없이 소자 내부의 전기적 물성을 예측할 수 있는 딥러닝 모델을 최초로 개발했다.

기존에는 OLED 소자를 최적화하기 위해 각 유기물층의 전기적 물성을 분석하기 위한 단위소자(단일전하소자)를 추가 제작해야 했다. 최소 6종 이상의 유기물로 구성되는 소자 특성상 한 개의 발광소자를 분석하기 위해 6종의 단위소자를 제작하고 전기적 특성을 개발해야 했다. 단위소자란 전자 혹은 정공만 흐르도록 설계된 소자를 이른다.

연구팀은 OLED 소자 임피던스 응답 특성으로 얻은 모듈러스 데이터가 소자 내부 전하 거동과 연관이 깊은 점을 활용해 이 같은 한계를 해결했다. 연구팀은 소자의 구동 전압과 주파수에 따른 임피던스 특성값을 모듈러스 2D 이미지로 변환하여 이를 합성곱 신경망 기반 모델에 훈련시켰다. 연구팀은 모듈러스 2D 이미지만으로 각 유기물층의 전하이동도를 예측하는 데 세계 최초로 성공해 이를 ‘소자 전하 지문(Fingerprint)’로 명명했다.

이번 연구는 단위소자 제작 없이 OLED 소자를 최소 6배 이상 빠르게 개발해, 차세대 OLED 기술 경쟁에서 중국에 앞설 수 있는 기술적 토대를 마련한 것으로 평가된다. 소자 개발 과정 단축으로 탄소 배출량 감소에도 기여할 것으로도 기대된다.

연구팀은 이번 연구의 딥러닝 모델을 산업 현장에서 활용될 수 있는 수준으로 만들기 위해 후속 연구를 진행하고 있다.

이번 연구는 이 교수와 같은 전공의 김재민 박사가 제1저자, 임준섭 박사과정생이 제2저자로 참여했으며 화학·재료 분야 국제 학술지 ‘머터리얼스 호라이즌스(Materials Horizons)’에 지난 13일 온라인 게재됐다. 교육부 학문후속세대과제와 성균관대 AI 융합연구과제 지원 사업을 통해 수행됐다.


klee@heraldcorp.com