[인더스트리뉴스 한현실 기자] 고려대학교는 25일 기계학습(머신러닝)을 활용해 유기 태양전지(OSC)의 성능을 최적화할 수 있는 기술 모델을 개발했다고 발표했다. 

이번 연구는 지난 7일 에너지 화학 분야의 세계적인 학술지 ‘Journal of Energy Chemistry’ (IF 14.0, JCR 상위 2.0%) 온라인판에 게재됐다. 

최근 유기 태양전지설계와 효율 향상에 기계학습을 도입하는 연구가 활발히 진행되고 있다. 고려대학교에 따르면 유기 태양전지는 탄소 화합물(유기)을 사용하기에 기존 실리콘 태양전지보다 가볍고 유연하며 저온 공정이 가능하고 저렴하다는 강점이 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 소재(물질)에 대한 성능 검증에도 어려움이 있다고 고려대 측은 설명했다.

이를 해결하고자 고려대 공과대학 전기전자공학부 김태근 교수 연구팀은 인도 Shivaji 대학의 Dongale 박사 연구팀과 공동으로 연구했다. 

공동 연구팀은 기계학습 알고리즘을 적용해 유기 태양전지 소자의 성능에 직접적인 영향을 미치는 인자들을 분석했다. 그 결과 연구팀은 PM6 공여체 폴리머를 기반으로 하는 삼원계 유기 태양전지(TOSC)를 만들기 위한 최적의 소재와 이를 적용해서 만든 유기 태양 전지의 광전 변환 효율 (PCE)을 정확히 예측할 수 있는 모델을 개발했다.

연구팀은 5가지의 기계학습 알고리즘을 활용해서 분자의 특성과 중요도를 평가해 예측 모델을 개발했다. 특히 랜덤 포레스트(RF) 알고리즘을 사용했을 때 삼원계 유기 태양 전지의 출력 성능을 가장 정확하게 예측할 수 있었다고 설명했다. 

이에 따라 연구팀은 유기 태양전지를 구성하는 벌크 이종접합 구조의 표면과 에너지의 준위가 삼원계 유기 태양 전지의 광적변환효율(PCE)를 결정하는 중요한 인자임을 확인했다. 

이번 연구가 기계학습을 통해 유기 태양전지의 성능을 극대화할 수 있는 전략을 제시함에 따라 향후 OLED와 같이 신규 소재 및 최적화를 요구하는 산업 분야에도 해당 기법을 확대, 적용할 수 있을 것으로 관측된다. 

한현실 기자 다른기사 보기