고려대, 고성능 유기 태양전지 최적화 기술 모델 발표

기계학습 알고리즘 활용해 성능 최적화

왼쪽부터 김태근 교수, Kiran A. Nirmal 제1저자 (제공=고려대) *재판매 및 DB 금지

[서울=뉴시스]문효민 인턴 기자 = 고려대(총장 김동원)가 기계학습을 활용해 유기 태양전지의 성능을 최적화할 수 있는 기술 모델을 발표했다.

본 연구는 지난 7일 에너지 화학 분야의 세계적인 학술지 'Journal of Energy Chemistry(저널 오브 에너지 케미스트리)'에 온라인 게재됐다.

최근 유기 태양전지설계와 효율 향상에 기계학습을 도입하는 연구가 활발히 진행되고 있다.

유기 태양전지는 탄소 화합물을 사용해 기존 실리콘 태양전지보다 가볍고 유연하며 저온 공정이 가능하고 저렴한 장점이 있다.

주로 사용되는 벌크 이종 접합은 전자 공여체인 전도성 고분자와 수용체인 풀러렌(fullerene)을 혼합한 박막 구조로 다른 성분을 갖는 벌크 단위의 물질 사이의 접합이다.

벌크 이종 접합은 효율이 높지만, 신소재 적용이 어렵고, 제작 소요 시간과 비용이 많이 들어 사용되는 소재에 대한 성능 검증에도 어려움이 있다.

이를 해결하고자 김태근 전기전자공학부 교수 연구팀은 인도 Shivaji 대학의 연구팀과 공동 연구를 진행했다.

공동 연구팀은 기계학습 알고리즘을 적용해 유기 태양전지 소자의 성능에 직접적인 영향을 미치는 인자들을 분석했다.

그 결과 연구팀은 PM6 공여체 폴리머를 기반으로 하는 삼원계 유기 태양전지를 만들기 위한 최적의 소재와 이를 적용해서 만든 유기 태양 전지의 광전 변환 효율을 정확히 예측할 수 있는 모델을 개발했다.

연구팀은 5가지의 기계학습 알고리즘을 활용해서 분자의 특성과 중요도를 평가해 예측 모델을 개발했다.

이러한 예측 모델 개발로 유기 태양전지를 구성하는 벌크 이종접합 구조의 표면과 에너지의 준위가 삼원계 유기 태양 전지의 광적 변환효율을 결정하는 중요한 인자임을 확인했다.

이번 연구는 기계학습을 통해 유기 태양전지의 성능을 극대화할 수 있는 전략을 제시했다.

향후 OLED와 같이 신규 소재 및 최적화를 요구하는 산업 분야에도 해당 기법을 확대, 적용할 수 있을 것으로 기대된다.

☞공감언론 뉴시스 moon@newsis.com