연세소식

[사진. (왼쪽부터) 화학과 김예인 석사과정생, 엄민섭 석사과정생, 양종희 교수]

 

화학과 양종희 교수 연구팀이 차세대 광전소자의 핵심 소재인 페로브스카이트 나노결정(PNC)을 보다 정밀하게 설계할 수 있는 자동화 합성 플랫폼을 개발하고, 그 합성 원리를 규명했다. 이번 연구는 로봇 기반 자동화 실험과 머신러닝 알고리즘을 결합한 방식으로 수행됐으며, 나노 분야 세계적 학술지인 'ACS Nano'(IF 16.1) 4월 호에 게재됐다.

 

페로브스카이트 나노결정은 LED와 같은 고해상도 디스플레이에 활용되는 차세대 소재로 주목받고 있다. 특히 용액 재침전(LARP) 방식은 상온에서 합성이 가능해 경제적이지만, 할라이드 조성, 리간드 농도, 반응 온도, 반용매 특성 등 다양한 변수가 복잡하게 얽혀 있어 원하는 성능을 구현하기 위한 최적 조건을 찾는 데 어려움이 있었다.

특히 적색 발광에 필요한 요오드(I)-풍부 조성은 합성 자체가 불안정하거나 성능이 떨어지는 문제가 있어 정밀한 제어 기술이 요구돼 왔다.

[그림. 머신러닝 연계 지능형 소재 개발 플랫폼을 통해 규명한 페로브스카이트 나노결정 물성 제어 원리]

 

연구팀은 이러한 한계를 극복하기 위해 로봇 피펫팅 시스템을 활용한 고처리량 자동화 실험을 도입했다. 200가지 이상의 합성 조건을 자동으로 실험하고, 그 결과를 인공지능(AI)으로 분석해 복잡한 합성 변수 간의 관계를 체계적으로 파악했다.

 

특히 연구팀은 ‘Wavelength-Resolved Gated-GPBO’라는 알고리즘을 도입해, 연구자가 원하는 특정 발광 파장 영역을 집중적으로 탐색할 수 있도록 했다. 이 기술은 복잡한 합성 조건 속에서도 목표 파장과 좁은 반치폭을 동시에 만족하는 최적 조건을 자율적으로 찾아내는 것이 특징이다.

 

이를 통해 연구팀은 녹색부터 적색(최대 620nm)에 이르는 다양한 발광 영역에서 고품질 나노결정 합성에 성공했다. 또한 머신러닝 기반 분석을 통해 적색 발광 구현에는 낮은 아민 리간드 농도와 높은 반응 온도가 중요한 역할을 한다는 사실을 정량적으로 규명했다.

 

아울러 연구팀은 기존에 단순 조성에 따라 선형적으로 결정된다고 여겨졌던 나노결정의 광학 특성이, 실제로는 합성 과정에서 형성되는 ‘전구체 콜로이드 상태’에 의해 크게 좌우된다는 점도 밝혀냈다. 즉, 나노결정이 만들어지기 직전 용액 내 입자 크기와 상태가 최종 물성을 결정짓는 핵심 변수임을 규명한 것이다.

 

이번 연구는 실험 자동화와 인공지능을 결합해 소재 합성 과정을 스스로 탐색하고 최적화하는 ‘지능형 소재 개발 플랫폼’의 가능성을 입증했다는 점에서 의미가 크다. 특히 해당 기술은 특정 소재에 국한되지 않고 다양한 용액 기반 기능성 소재 개발에 적용할 수 있어, 신소재 개발의 시간과 비용을 크게 줄일 수 있을 것으로 기대된다.

 

양종희 교수는 “이번 연구는 단순히 실험을 빠르게 수행하는 수준을 넘어, 복잡한 합성 과정 속에서 소재의 성능을 결정짓는 원리를 이해할 수 있게 해준다는 점에서 의미가 있다”며 “향후 디스플레이와 차세대 태양전지 등 다양한 광전 분야에서 요구되는 고성능 소재를 빠르게 개발하는 데 핵심 기술이 될 것”이라고 밝혔다.

 

이번 연구에는 우리 대학교 화학과 김예인 석사과정생과 엄민섭 석사과정생이 공동 제1저자로 참여했으며, G-LAMP(Laboratory Advancement and Management Program) 사업의 지원을 받아 수행됐다.