▲ AI 기반 QLED 공정 설계 플랫폼 개념도 / (좌) 기존 공정에서는 퀀텀닷(Quantum Dot)이 불균일하게 배열되어 전하 이동이 방해되고 소자 성능이 저하된다. (우) 연구팀이 개발한 AI 기반 공정 설계 플랫폼은 최적의 용매 조성을 예측해 보다 균일한 퀀텀닷 배열을 구현했으며, 이를 적용한 QLED는 효율 2배, 수명 40배 향상을 달성했다.(그림 및 설명=서울대학교 곽정훈 교수)   © 특허뉴스

수많은 시행착오와 반복 실험에 의존하던 퀀텀닷 발광다이오드(QLED) 제작 공정을 인공지능(AI)이 먼저 설계하는 시대가 열렸다. 국내 연구진이 AI를 활용해 최적의 공정 조건을 역으로 찾아내는 플랫폼을 개발하고, 이를 실제 소자에 적용한 결과 효율은 2배, 수명은 40배 이상 향상시키는 데 성공했다. 차세대 디스플레이 산업의 개발 기간과 비용을 획기적으로 줄일 수 있는 핵심 기술로 주목된다.

한국연구재단은 서울대학교 곽정훈 교수와 성균관대학교 임재훈 교수 공동연구팀이 퀀텀닷 발광다이오드(QLED) 제작 과정에서 퀀텀닷을 균일하고 촘촘하게 배열할 수 있는 최적의 용매 특성을 AI로 역설계하는 플랫폼을 개발했다고 밝혔다.

이번 연구 성과는 영국 물리학회(IOP)가 발행하는 물리학 분야 국제 저명 학술지 '리포츠 온 프로그레스 인 피직스(Reports on Progress in Physics)'에 7월 15일 온라인 게재됐다.

퀀텀닷 발광다이오드(QLED)는 나노미터 크기의 반도체 입자인 퀀텀닷을 발광층으로 사용하는 차세대 디스플레이 기술이다. 용액 상태의 퀀텀닷을 기판 위에 코팅해 박막을 형성하는 용액 공정을 적용할 수 있어 저비용·대면적 생산에 유리한 차세대 디스플레이로 평가받고 있다.

고성능 QLED를 구현하기 위해서는 퀀텀닷 입자들이 벽돌처럼 박막 내부에 균일하고 촘촘하게 배열돼야 한다. 하지만 실제 공정에서는 어떤 용매를 사용하느냐에 따라 밝기와 수명이 크게 달라지고, 용매의 물성이 성능에 미치는 영향을 정확히 예측하기 어려워 연구자들은 수많은 반복 실험과 경험에 의존해 최적 조건을 찾아야 하는 한계가 있었다.

공동연구팀은 이러한 문제를 해결하기 위해 용매의 물리적 특성과 퀀텀닷 박막 구조 사이의 관계를 AI가 학습하도록 하는 새로운 접근법을 제시했다.

연구팀은 먼저 5가지 대표 용매를 이용해 퀀텀닷 박막을 제작한 뒤 원자힘현미경(AFM)으로 표면의 균일도를 정량적으로 분석했다. 이어 용매의 증기압, 점도, 밀도, 유전율 등 다양한 물성 데이터와 박막 형상 데이터를 머신러닝 모델에 학습시켜 가장 균일한 박막을 형성할 수 있는 최적의 용매 특성을 역으로 예측하도록 했다.

AI가 제안한 이상적인 조건을 모두 만족하는 단일 용매는 존재하지 않았지만, 연구팀은 여러 용매를 조합해 AI가 제안한 특성을 구현하는 데 성공했다. 이는 기존 시행착오 방식만으로는 찾아내기 어려운 복합적인 공정 조건으로, 실제 QLED 제작 공정에 적용한 결과 기존 단일 용매 대비 발광 효율은 약 2배, 동작 수명은 40배 이상 향상되는 성과를 확인했다.

이번 연구는 AI가 단순히 데이터를 분석하는 수준을 넘어 소재와 공정 조건을 스스로 설계하는 'AI 기반 공정 역설계' 가능성을 실증했다는 점에서 의미가 크다. 향후 반복 실험을 크게 줄이고 차세대 전자소자 개발 기간을 단축하는 새로운 연구 패러다임으로 확산될 것으로 기대된다.

곽정훈 서울대학교 교수는 "이번 연구는 AI를 활용해 디스플레이 소재와 공정을 데이터 기반으로 설계할 수 있음을 보여준 대표적인 사례"라며 "향후 OLED는 물론 태양전지 등 다양한 차세대 전자소자 개발에도 폭넓게 활용될 수 있을 것으로 기대한다"고 말했다.

논문명은 Machine-learning-enabled solvent engineering for uniform quantum dot packing in efficient and stable quantum-dot light-emitting diodes이다.