화학공학/고분자공학부 이준엽 교수, OLED 발광층 재결합 속도 예측하는 고성능 AI 개발

- 데이터 처리 및 신경망 최적화로 예측 정확도 94.9% 달성

- OLED 디스플레이 연구개발 경쟁력 강화 기대

▲ (왼쪽부터) 이준엽 교수, 김재민 박사, 이경형 박사과정생

화학공학/고분자공학부 이준엽 교수 연구팀이 OLED 소자의 발광 특성만으로 발광층 내 재결합속도(계수)를 예측하여 폴라론 거동을 추출할 수 있는 고성능 AI 모델을 개발하였다.

* OLED: Organic Light Emitting Diode, 유기발광 다이오드

OLED의 재결합계수는 값이 높을수록 발광층 내 폴라론 재결합이 가속되어 OLED 패널의 고휘도 전력효율 향상과 소자 열화 개선에 기여하는 핵심 물리인자이다. 소자의 전기발광 특성에 내포되어 있지만 폴라론과 여기자의 복합 상호작용으로 인해 분석하기 어려운 인자 중 하나이다.

* 재결합계수: 재결합속도를 관장하는 속도 계수

기존에는 발광층 박막의 광발광 특성과 소자의 전기발광 특성을 모두 분석해야 재결합계수를 얻을 수 있어 복잡한 과정으로 인해 빅데이터 구축이 어려운 문제가 있었다. 이는 물리 방정식의 해를 풀기 위한 필수 과정이기 때문에 인간의 논리를 기반으로 한 방법론 개선에 한계가 존재했다.

이러한 문제점을 해결하기 위해 이준엽 교수 연구팀은 전기발광 모델링을 기반으로, 다양한 경우의 수의 가상 과도 전기발광 (transient EL) 소광 곡선을 생성하여 이를 기반으로 한 AI 모델을 구축하였다. 그 결과, 학습된 AI 모델을 통해 기초 박막 분석에 대한 배경지식 없이 과도 전기발광 데이터만으로도 발광층의 재결합계수를 예측하는 데 성공하였다. 예측된 재결합계수를 통해 발광층 내부의 폴라론 축적 및 재결합 거동을 분석할 수 있게 되었다. 또한, 학습 데이터 가공과 인공 신경망 최적화를 통해 AI 모델의 예측 정확도를 79.3%에서 94.9%로 크게 향상시켰다.

본 연구는 AI를 활용하여 OLED의 핵심 물리 인자에 대한 접근성을 매우 높였다는 것에 의의가 있다. 특히, 연구에서 주목한 재결합계수는 OLED의 고휘도 전력효율과 패널 수명에 연관된 물성으로 현재 IT 시장에서 영역을 확장하고 있는 OLED 디스플레이의 경쟁력 강화에 기여할 것으로 기대된다.

이준엽 교수는 “AI가 OLED 소재, 소자 개발의 패러다임을 변화시킬 것”이라며 “본 연구는 AI가 OLED의 표면적 거동만으로 내재된 핵심물성을 추출할 수 있음을 보여주며 최종적으로 OLED를 포괄적으로 진단하고 개발 방향을 제시할 수 있는 AI모델을 구축하기 위한 발걸음”이라고 말했다.

본 연구는 김재민 박사가 제1저자, 이경형 박사과정이 제2저자로 참여하였으며, 결과는 재료 분야의 국제학술지인 Advanced Materials(IF: 32.086, JCR 상위 2.1%)에 2월 14일 온라인으로 게재되었다. 본 연구는 교육부 학문후속세대 과제를 통하여 수행되었다.

(a) 재결합계수의 물리적 의미를 나타낸 모식도 / (b) 가상 과도 전기발광 (transient EL) 소광 곡선 / (c) 최적화에 따른 AI 모델 성능 변화