AI 요약
페로브스카이트 태양전지의 상용화는 그동안 전문가의 숙련도에 의존하는 시행착오 방식의 소재 발견과 제조 공정 때문에 병목 현상을 겪어왔습니다. 홍콩 시립대학교(City University of Hong Kong) 연구팀은 머신러닝(ML) 기반의 소재 탐색과 자동화 제조 플랫폼을 통합한 자율형 폐루프(Closed-loop) 프레임워크를 도입하여 이 문제를 해결했습니다. 이 시스템은 능동 학습(Active Learning)과 양자 모델링을 통해 고성능 패시베이션 분자인 '5ANI'를 신속하게 식별했으며, 베이즈 최적화와 기호 회귀를 사용하여 제조 공정을 지속적으로 정교화했습니다. 그 결과 소형 셀뿐만 아니라 대면적 미니 모듈에서도 업계 최고 수준의 효율을 기록했으며, 제조 재현성을 수동 작업 대비 5배가량 높이는 성과를 거두었습니다. 또한, 엄격한 가속 노화 테스트 환경에서도 초기 효율을 거의 그대로 유지하며 장기 안정성까지 입증했습니다.
핵심 인사이트
- 혁신적 소재 발견: ML과 양자 모델링을 통해 '5ANI(5-(aminomethyl)nicotinonitrile hydroiodide)'라는 고성능 패시베이션 분자를 발견했습니다.
- 기록적 효율 달성: 0.05 cm² 크기의 셀에서 27.22%의 PCE(공인 MPPT 효율 27.18%)를, 21.4 cm² 미니 모듈에서는 23.49%의 효율을 기록했습니다.
- 제조 재현성 혁신: 자동화 플랫폼을 통해 제조 공정의 재현성을 수동 방식보다 약 5배 향상시켰습니다.
- 검증된 안정성: ISOS-L-1I 프로토콜 하에 1,200시간 연속 작동 후에도 초기 효율의 98.7%를 유지하는 우수한 내구성을 보였습니다.
주요 디테일
- 자율형 프레임워크: 능동 학습(Active Learning)을 통해 소재를 탐색하고, 베이즈 최적화(Bayesian optimization)를 제조 피드백 루프에 활용하는 지능형 시스템입니다.
- 데이터 기반 공정: 기호 회귀(Symbolic regression) 기술을 적용하여 제조 파라미터 간의 복잡한 상관관계를 분석하고 최적화했습니다.
- 연구 주체: 홍콩 시립대학교의 Zonglong Zhu(朱宗龙) 교수 연구팀을 중심으로 Danpeng Gao, Shuaihua Lu 등이 공동 제1저자로 참여했습니다.
- 장치 규격: 실험은 0.05 cm²의 초소형 셀부터 21.4 cm² 규모의 미니 모듈에 이르기까지 스케일업(Scale-up) 가능성을 염두에 두고 진행되었습니다.
- 산업적 의의: 인간의 전문 지식에만 의존하던 기존 태양전지 제조 패러다임을 AI와 자동화 기반의 데이터 중심 연구로 전환했습니다.
향후 전망
- 양산화 가속: 높은 재현성과 대면적 효율을 입증함에 따라, 페로브스카이트 태양전지의 상업적 대량 생산 시기를 앞당길 것으로 보입니다.
- 신소재 연구 모델 확산: 이번에 구축된 자율형 폐루프 시스템은 태양광뿐만 아니라 광전소자 및 일반 재료 과학 분야의 표준 모델로 자리 잡을 가능성이 큽니다.