뉴스룸

연세대 양종희 교수팀, 차세대 태양전지 위한 유사 이차원 페로브스카이트 설계 원리 규명 2025.04.30

신촌 홍보팀

연세대 양종희 교수팀, 차세대 태양전지 위한 유사 이차원 페로브스카이트 설계 원리 규명

- 균일한 페로브스카이트 결정 구조 구현을 위한 화학적 디자인 원리 규명 -

- 머신러닝 기반 자동화 실험을 통해 고성능 광전자소재 및 화학 반응 개발 고속화 -

연세대학교 화학과 양종희 교수 연구팀이 한양대학교 최효성 교수팀, 미국 테네시대학교 및 오크리지 국립연구소 연구진과 공동 연구를 통해 차세대 태양전지 핵심 소재인 유사 이차원 페로브스카이트의 균질한 결정 구조를 설계하는 분자 화학 디자인 원리를 제시했다. 이번 연구 결과는 에너지 재료 분야 세계적 권위지인 ‘Advanced Energy Materials’(IF 24.4) 4월호에 게재됐다.

페로브스카이트 소재는 외부의 빛을 흡수해 전기 에너지로 변환하는 능력이 뛰어난 것으로 잘 알려져 있으며, 친환경 에너지원인 태양전지 활용을 위한 연구가 꾸준히 이어지고 있다. 특히 기존 실리콘 태양전지 위에 페로브스카이트를 적층하는 '탠덤형 구조‘에서의 고효율 확보 연구가 활발히 진행되면서, 무기물(Cs) 기반 페로브스카이트는 이상적인 광전자적 특성으로 각광받고 있다.

하지만 무기 페로브스카이트는 상온에서 열역학적으로 불안정할 뿐만 아니라, 사용 중 성분이 분리돼 본래 광학 특성을 손상시키는 '결정상 분리' 문제가 발생해 상용화에 어려움을 겪어왔다. 이를 보완하기 위해 도입된 유사 이차원 구조는 안정성을 높였지만, 합성 과정에서 다양한 결정 구조가 무질서하게 생성되는 새로운 한계가 있었다.

이러한 무기 페로브스카이트의 합성 과정에서는 크기가 큰 유기물 분자를 도입함으로써 기존의 광전자적 특성을 유지하면서도 더 안정적인 ‘유사 이차원(Quasi-two-dimensional)’ 구조를 형성할 수 있다. 이 구조는 차세대 태양전지 응용에 적합한 신소재로 주목받고 있지만, 동시에 새로운 문제도 안고 있다.

바로, 유사 이차원 페로브스카이트가 합성되는 과정에서 여러 결정 구조들이 동시에 무질서하게 형성되면서 소재 내 균일성이 크게 저하되는 현상이다. 이로 인해 태양전지의 고효율 구현이 여전히 어려운 상황이며, 이는 소재의 상용화를 가로막는 주요 장애 요소로 지적돼 왔다.

이러한 문제를 해결하기 위해서는 유사 이차원 페로브스카이트가 가진 복잡한 결정화 특성을 보다 정밀하게 이해하는 것이 우선돼야 한다. 하지만, 결정 구조에 영향을 미치는 유기 분자 고유의 화학적 특성과 조성, 조합 등 수많은 변수들이 복합적으로 작용하기 때문에, 이를 체계적으로 규명하려는 연구는 지금까지 제대로 이루어진 바가 없었다.

이에 양 교수 연구팀은 로봇과 머신러닝 기술을 접목한 고처리량 자동화 소재 합성법(High-throughput Automated Synthesis)이란 새로운 연구 기법을 도입했다. 이를 통해 유사 이차원 페로브스카이트 결정이 형성되는 과정을 체계적으로 분석하고, 소재 형성에 영향을 주는 다양한 화학적 변수들이 어떤 방식으로 결정 구조에 영향을 미치는지를 탐구했다.

구체적으로는 유기 분자와 전구체 내 무기 이온이 결합하기 전 단계에서 나타나는 화학적 상호작용이 실제 결정 구조에 어떤 영향을 주는지를 밝혀냈다. 이 과정에서, 유기 분자의 고유한 화학적 성질이 소재의 결정 구조와 격자 안정성, 그리고 결정의 균일성에 어떤 방식으로 작용하는지를 정밀하게 규명했다. 결과적으로, 고효율 태양전지를 만들기 위해 핵심적인 조건인 박막 내 소재의 균일성 확보를 위한 과학적 원리를 도출한 것이다.

또한 연구팀은 소재 내부에 극소량 포함된 불균일한 결정 구조까지 정밀하게 제어하기 위해 기존에 사용되던 유기 분자보다 더 강한 화학적 결합력을 지닌 분자를 추가로 도입해 ‘삼성분계(Ternary-phase System)’라는 새로운 조성 조건을 실험했다. 이 실험을 통해 복잡한 결정 구조의 변화를 보다 명확히 설명할 수 있게 됐다.

특히 이번 연구에서는 연구진이 자체 개발한 신규 머신러닝 알고리즘 ‘Gated-GPBO’를 활용해 최적의 소재 디자인을 도출해 냈다. 이 알고리즘은 기존 베이지안 최적화 방식에 연구자가 원하는 소재 특성을 선택적으로 반영할 수 있는 보조함수를 결합한 방식으로, 광전자 성능과 안정성이라는 두 가지 요구 조건을 동시에 충족하는 최적 조성을 찾아냈다. 이후 실험을 통해 해당 조성이 실제로도 우수한 태양전지 특성을 발휘함을 확인했다.

이를 통해 연구진은 새로운 화학 특성을 구현하기 위한 머신러닝 기반 자동화 소재 개발 플랫폼의 창의적인 활용 방안을 제시했으며, 나아가 차세대 기능성 소재 탐색과 개발의 속도를 획기적으로 높일 수 있는 중요한 기초를 마련했다.

양종희 연세대 화학과 교수는 “머신러닝과 로봇을 활용해 방대한 화학 공간을 탐색하는 수준을 넘어, 사용자의 요구에 따라 원하는 화학 특성을 사용자 요구에 따라 ‘맞춤식 재단(Bespoke Tailoring)’ 할 수 있음을 보여준 연구”라며, “차세대 기능성 소재 개발의 고속화를 이끌 중요한 전환점이 될 것”이라고 강조했다.

이번 연구에는 연세대 화학과 엄민섭 석사과정생과 송호찬 박사가 공동 제1저자로 참여했으며, 교육부 석·박사과정생 연구장려금 및 G-LAMP(Laboratory Advancement and Management Program) 사업의 지원을 받아 수행됐다.

붙임 1. 연구진 사진 1장.

2. 논문 그림 1장. 끝.

(사진 설명)

1. (왼쪽부터) 연세대 엄민섭 석사과정생(제1저자), 양종희 교수(교신저자)

2. 머신러닝 연계 화학공간 탐색을 통한 맞춤형 분자 화학 특성 및 유사 이차원 페로브스카이트 소재 물성 제어 기술 개발

(논문 정보)

1. 논문 제목: Tailoring Molecular Space to Navigate Phase Complexity in Cs-Based Quasi-2D Perovskites via Gated-Gaussian-Driven High-Throughput Discovery

2. 논문 주소: https://advanced.onlinelibrary.wiley.com/doi/full/10.1002/aenm.202404655

연세대학교

연세소개

뉴스룸