머신러닝으로 양자점 LED 필름 균일도·효율 동시 개선

왜 QLED 필름 균일도가 문제인가

QLED는 색순도가 높고 밝은 발광 특성 덕분에 디스플레이·조명 분야의 유력한 차세대 소자로 꼽힌다. 용액 공정으로 제조할 수 있어 비용 절감 가능성도 크다. 그러나 실제 고성능 소자를 구현하려면 양자점이 치밀하게 쌓인 박막 내에서 균일하게 분포해야 한다. 박막 불균일은 발광 효율 저하와 소자 열화 가속으로 직결되는 핵심 병목이다.

머신러닝 적용 방법론

연구팀은 복수의 용매를 대상으로 양자점 배열에 영향을 미치는 5가지 용매 물성 파라미터를 정량화했다. 이후 원자력간현미경(AFM)으로 박막 표면 형태와 거칠기를 측정해 균일도 데이터를 확보하고, 이를 훈련 데이터로 삼아 세 가지 머신러닝 모델을 구축했다. 비교 평가 결과, 서포트 벡터 회귀(Support Vector Regression, SVR) 모델이 예측 정확도에서 가장 우수한 성능을 보였으며, 이를 활용해 최적 혼합 용매 조성을 도출했다.

검증 및 성능 향상 결과

최적 혼합 용매로 제조한 박막은 반사각도 소각 X선 산란(GISAXS) 분석을 통해 양자점 패킹의 균일도가 실질적으로 향상됐음이 확인됐다. 최적화된 소자는 단일 용매를 사용한 대조군 대비 발광 효율과 작동 수명 모두에서 개선된 수치를 기록했다.

기술적 의미와 한계

이번 연구는 용액 공정 기반 광전자 소자에서 박막 형태 제어가 성능 결정 변수임을 정량적으로 재확인했다는 점에서 의미가 있다. 머신러닝이 실험 공간을 체계적으로 탐색하는 도구로 유효함을 보여준 사례이기도 하다. 다만 원문에는 효율 수치나 수명 개선 폭의 구체적인 정량값이 공개되지 않아, 다른 QLED 연구와의 직접 비교는 현 단계에서 어렵다. 또한 실험실 규모의 최적화 결과가 실제 대면적 공정에서 재현될 수 있는지는 추가 검증이 필요하다.