[박성남 교수 연구팀]

차세대 디스플레이로 활용도가 높은 유기발광다이오드(OLED) 활용 물질의 특성을 6만3000배 빠르게 예측하는 인공지능(AI) 기술이 개발됐다. OLED 소자용 발색분자와 형광분자 개발 시간·비용을 획기적으로 줄여 줄 것으로 기대된다.

18일 박성남 고려대학교 화학과 교수 연구팀은 발색분자와 형광분자 등 다양한 유기분자의 광특성을 빠르게 파악할 수 있는 '딥러닝 분자 분광법'을 개발했다고 밝혔다. 광특성이란 빛을 흡수하고 방출하는 특성으로 물질의 색과 관련된다.

발색·형광분자는 염료, 태양전지, OLED, 형광센서, 바이오이미징 분야에 쓰인다. 이를 개발시 흡·발광파장, 반치폭(흡·발광 스펙트럼 최대폭의 절반), 발광양자효율(분자의 빛 흡수량 대비 방출량 비율), 흡광계수(분자의 빛 흡수도) 등 광특성을 예측해야 한다. OLED용 발광분자는 색, 밝기, 선명도, 에너지전환 효율 등 OLED로서 중요한 광특성을 결정해야 한다.

산업계는 이를 위해 이론 기반의 양자화학계산을 사용해 왔다. 그런데 박 교수 연구팀에서 개발된 딥러닝 분자 분광법은 기존 방법보다 6만3000배 빠르게 광특성을 예측하면서, 흡광·발광 파장 예측 정확도 역시 2.2배·1.5배 높여 준다. 이 딥러닝 분자 분광법은 목적별 광특성을 만족하는 발색분자와 형광분자를 빨리 찾도록 도와 개발시간과 비용을 덜어 준다.

박 교수 연구팀은 문헌에 보고된 분자의 7가지 광특성을 수집해 3만여개 데이터로 데이터베이스를 구축했다. 여기에 분자구조와 광특성을 효율적으로 학습할 수 있는 딥러닝모델을 개발했다. 설계에 필요한 분자구조 광특성을 빠르고 정확하게 예측할 수 있는 딥러닝 분자 분광법을 개발했다.

딥러닝 분자 분광법은 분자의 흡·발광 파장, 흡·발광 반치폭, 흡광 계수, 발광양자효율, 발광수명 등 7가지 광특성을 정확하고 빠르게 예측해 준다. 딥러닝 모델은 분자와 주위 환경의 상호작용에 따라 달라지는 분자의 광특성을 포함해 분자 광특성을 높은 정확도로 예측해낸다. 분자가 용액상, 박막, 고체상, 기체상인지 여부에 따른 광특성도 예측한다.

연구팀은 "신규 발색분자와 형광분자 개발시 목적에 맞는 광특성을 가진 분자를 찾기까지 많은 후보를 개발하고 합성해 광특성을 확인한다"며 "목적에 맞지 않는 후보분자 확인시 개발비용과 시간이 크게 소모되는데, 딥러닝 분자 분광법으로 설계에 필요한 분자가 요구하는 광특성 보유여부를 합성 전에 알수 있어 연구 비용과 시간을 아낄 수 있다"고 말했다.

이번 연구는 국제학술지인 '미국화학회지 JACS Au'에 18일자 표지논문으로 게재됐다. 정준영 연구교수와 한민희 석박사통합과정생이 제1저자, 박성남 교수가 교신저자로 참여했다. 연구진들은 딥러닝 분자 분광법을 누구나 이용할 수 있도록 웹애플리케이션을 개발했다고 설명했다. 이 연구는 교육부와 한국연구재단 '이공분야 대학중점연구소지원사업' 일환이다.

출처 : 아주경제(https://www.ajunews.com/view/20210317232329668)