인공지능 접목한 유기 태양전지 제조 기술 개발

UNIST·호주 연구팀, 머신러닝 기반으로 전지 최적 성능 예측

울산과학기술원(UNIST)과 호주 연방과학기술원 연구진이 인공지능을 접목한 유기 태양전지 제조 기술을 개발했다.

23일 UNIST에 따르면 에너지화학공학과 김진영 교수팀과 호주 연방과학기술원 박두진 박사팀은 고성능 유기 태양전지 생산에 필요한 재료 성분비와 적층 두께 등을 예측하는 모델을 개발했다.

이 모델은 인공지능의 한 분야인 머신러닝(컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야) 기술을 활용해 만들었다.

유기 태양전지는 유기물, 첨가제 등이 섞인 용액을 기판 위에 코팅해 만드는데, 가벼우면서도 유연한 필름 형태로 만들 수 있고 가격도 저렴해 차세대 태양전지로 꼽힌다.

유기 태양전지는 재료 혼합비나 적층 두께별로 성능이 달라져 개발된 전지 성능을 최대치로 올리는 조건을 찾는 최적화 작업이 필요하다.

최근 개발된 다성분 유기 태양전지는 효율이 높아졌지만, 성분이 늘어 최적화 작업은 더 까다로워졌다.

이에 연구팀은 최적 성능 조건을 쉽게 예측하는 머신러닝 기반 모델을 개발했다.

머신러닝은 학습 데이터가 많을수록 정확도가 높은데 롤투롤(Roll-to-Roll) 공정으로 2천 개가 넘는 유기 태양전지 조합을 가진 소자를 제작해 학습에 필요한 데이터를 얻었다.

롤투롤은 원통 막대에서 풀려나가는 기판 위에 유기 태양전지 재료를 인쇄한 뒤 다시 다른 원통 막대에 감아내는 공정 방식이다.

특히 상업화된 공정이라 유기 태양전지의 대량 생산에도 바로 적용할 수 있다는 장점이 있다고 연구팀은 설명했다.

연구팀은 실험을 통해 태양광을 전기로 바꾸는 효율이 10.2%인 전지를 제조했는데, 이는 롤투롤 공정으로 제조된 인쇄형 유기 태양전지 중 최고 효율이다.

김진영 교수는 “단일 연구에 2천 개 재료 조합의 유기 태양전지를 만들고 분석한 전례가 없다”며 “학습 데이터를 더 늘려 정확도가 뛰어난 모델을 개발하면 페로브스카이트를 이용한 발광다이오드, 광 검출기 등 인쇄형 전자 소자 재료 개발에도 쓰일 수 있을 것”이라고 말했다.

연구는 에너지 과학 분야 국제 학술지인 ‘에너지와 환경 과학'(Energy & Environmental Science)에 17일 자 표지로 공개됐으며, 저널 편집자 등이 뽑는 ‘주목받는 논문'(Hot Article)으로도 선정됐다.

연구 수행은 한국연구재단, 호주 재생에너지 기구(Australian Renewable Energy Agency)의 지원을 받아 이뤄졌다.

(335)

뉴스레터 구독신청
태그(Tag)

전체 댓글 (0)

과학백과사전