나노기술 및 정책 정보

• 목록

오사카(大阪)대학 대학원 공학연구과 응용화학전공, 일본학술진흥회 외국인 특별연구원의 공동 연구그룹이 독자적으로 수집한 실험 데이터를 바탕으로 고분자·비풀러렌 태양전지의 광전 변환 효율을 정밀하게 예측하는 기계 학습 모델을 구축하고, 가상으로 생성된 20만 종류의 고분자 재료 중에서 우수한 재료를 실제로 합성·평가함으로써, 고분자 태양전지를 개발함에 있어 기계 학습에 의한 재료 탐색 효과를 세계 최초로 입증하는 데 성공함.

연구진은 고분자와 비풀러렌 전자 수용체로 이루어진 고분자 태양전지에 착안, 실험 데이터에 기반한 기계 학습 모델을 구축하고 매우 높은 처리량을 갖는 고분자 재료를 탐색함. 이어 상위에 랭킹된 신규 고분자 중 4개를 실제로 합성하고 태양전지 소자 성능을 평가한 결과, 기계 학습에 의한 예측과 일치되는 결과를 얻음으로써, 기계 학습과 실험을 결합한 신규 재료 개발의 효율성을 나타내는 데 성공함.

본 연구 성과를 통해 고효율 고분자 태양전지의 개발과 머티리얼즈 인포매틱스에 의한 재료 과학 연구에 있어 실험과 기계 학습을 융합한 연구가 전개가 전개될 것으로 기대됨.

본 연구 성과는 Advanced Functional Materials(Experiment-Oriented Machine Learning of Polymer : Non-Fullerene Organic Solar Cells)에 게재됨.