서울대 곽정훈 교수, AI로 유기열전소자 성능 최적화…웨어러블 기기 전력원 기대

[이데일리 김현아 기자] 서울대 공과대학 전기정보공학부 곽정훈 교수 연구팀이 유기열전소자의 성능을 최적화하는 새로운 기술을 개발했다고 3일 밝혔다.

이번 연구는 머신러닝을 활용한 실험설계법(Design of Experiments, DOE)을 통해, 유기열전소자의 성능과 공정 조건을 효율적으로 최적화하는 방법을 제시한다.

(좌측부터) 서울대 전기정보공학부 곽정훈 교수(교신저자), 정지현 박사과정생(공동 제1저자)

유기열전소자(Organic Thermoelectric Device)는 사람의 피부나 전자기기에서 발생하는 저온의 버려진 열을 전기에너지로 변환하는 장치로, 기계적 유연성과 대면적 제작 가능성 덕분에 차세대 웨어러블 기기나 온도 센서의 전력원으로 주목받는다.

그러나 기존의 열전 기술은 결정성 무기물 소재를 사용하지만, 유기열전소자는 도핑된 반결정성 고분자 박막을 이용하여 열전 성능과 공정 변수 간의 복잡한 상호작용으로 최적의 성능 조건을 찾기 어려운 문제가 있었다.

서울대 연구팀은 이러한 비효율성을 해결하기 위해 머신러닝 기반 실험설계법을 도입했다. 연구팀은 유기열전소자의 성능에 영향을 미치는 네 가지 공정 변수(스핀 속도, 도핑 용액 농도, 도핑 시간, 열처리 온도)를 선정하고, AI 기반 실험 설계법을 활용하여 단 16개의 실험만으로 최적의 공정 조건을 도출할 수 있었다.

전통적인 방법으로는 256가지 실험이 필요했지만, 머신러닝을 활용한 이 새로운 방법은 반복 실험을 최소화하며 최적의 열전 성능을 예측할 수 있었다.

이번 연구의 성과는 지난 11월 26일, 에너지·소재 분야의 권위 있는 국제 학술지 Advanced Energy Materials에 게재됐다.

머신러닝 기반 공정 최적화 순서도(좌측) 및 공정 조건에 따른 열전 성능 예측 결과(우측)

정지현 박사과정생(공동 제1저자)은 “이번 연구는 AI 기반 기술을 통해 적은 횟수의 실험으로도 최적의 열전 성능을 효율적으로 도출했다는 점에서 의미가 크다”며, “데이터 중심의 과학적 설계로 전환할 수 있음을 보여준 성공적인 사례”라고 설명했다.

연구를 지도한 곽정훈 교수는 “AI 기반 실험설계법을 통해 연구 시간과 비용을 절감할 수 있었고, 다차원 변수 간 상호작용을 체계적으로 이해하는 데 큰 도움이 됐다”고 밝혔다.

서울대 전기정보공학부 곽정훈 교수는 앞으로 유기열전소자뿐만 아니라 유기반도체를 활용한 다양한 전자소자 개발 및 성능 최적화 연구를 계속해나갈 계획이다.

정지현 연구원은 유기열전소자의 성능 향상 및 폐열을 활용한 청정에너지 기술 발전을 위한 연구를 지속적으로 추진할 예정이다.