일반총설 고분자 과학과 기술 제 33 권 6 호 2022년 12월 557 용액공정 적외선대역 광전소자 Solution-processed Semiconductor-based Infrared Optoelectronics 권지현ㆍ백세웅 | Ji Hyun KwonㆍSe-Woong Baek Department of Chemical and Biological Engineering, Korea University, 145, Anam-ro, Seongbuk-gu, Seoul 02841, Korea E-mailsewoongbaek@korea.ac.kr 1. 서론 적외선 infrared 대역은 비가시 대역이고, 산란이 적고, 가시광에서 얻지 못하는 여러 유용한 정보를 전달할 수 있어 차세대 통신, 자율주행, 바이오 이미징 등의 분야에 다양한 활용이 가능하다. 다양한 적외선 IR 대역 응용을 실현하기 위해 기본적으로 적외선 대역을 흡광할 수 있는 저밴드갭 반도체가 반드시 필요하다. 기존에 큰 산업을 이루고 있는 단결정 실리콘은 일부 근적외선 대역의 광변환 특성을 가지지만 통신 혹은 자율주행에 주요 대역인 1,550 nm에 도...

김수민 고분자 과학과 기술 제 33 권 6 호 2022년 12월 555 필요가 있다. 최적 조건의 시뮬레이션을 기반으로 실험의 빈도수를 급격하게 감소시킬 수 있기 때문에, 시뮬레이션을 수행하기 위한 페로브스카이트의 광학적 물성을 정확하게 알고 있어야만 한다. 본 특집에서는 엘립소메트리를 이용하여 화학양론비에 따른 페로브스카이트 물질의 광학적 특성을 측정하는 과정을 소개하였으며, 광학 시뮬레이션 모델을 이용하여 측정된 결과를 분석하였다. 엘립소메트리 분석을 통하여 추출된 굴절률과 소광계수는 시편의 색상 변화와 일치하는 경향성을 보여주고 있으며, 참고 문헌에서 보고한 결과와 유사한 형태를 나타내고 있다. 페로브스카이트의 조성에 따른 광학 특성 변화는 불규칙한 것으로 보일 수 있지만, Br3의 첨가에 따라서 달라지는 경향성을 확인...

김수민 고분자 과학과 기술 제 33 권 6 호 2022년 12월 553 변화를 예측할 수 있는 모델을 구축하는 것은 최적화된 박막 광학 구조를 설계하기 위하여 반드시 필요할 것으로 판단된다. 매순간 발전되는 페로브스카이트 물성의 연구 경향에 대응하여 최적 조성을 연구해야 하는 연구자의 입장에서는 복잡한 연산을 이용한 예측 모델의 구성은 효율적이지 못하다. 따라서 기계학습을 이용하여 실측한 결과를 학습하여 소수의 시편으로도 구성 가능한 인공지능 모델을 개발하는 것이 중요하다. 초월회귀분석 모델을 구성하기 위해 학습된 인공지능을 이용하여 300 nm 900 nm 범위에서 제작되지 않은 화학 양론비의 페로브스카이트 광학 특성을 예측하였다. 인공신경망 구조를 이용하여 심층 학습을 수행하였고 최적화된 가중치화 편향이 도출된 인공지능 모델을 구�...

김수민 고분자 과학과 기술 제 33 권 6 호 2022년 12월 551 최소 비용 함수를 도출할 수 있다. 오차역전파 과정은 인공 신경망 내부에 랜덤하게 가중치와 편향 행렬을 구성하여 출력층을 계산하게 된다. 검증 값과 비교하여 평균제곱오차 알고리즘을 통해 비용 함수를 구성한다. 일반적으로 시간의 변화에 따른 온도의 변화를 시각화 할 경우 그래프에서 변수축을 2개 설정할 수 있으며, 2변수 자료의 회귀 분석을 수행할 수 있다. 여기서 시간과 기압의 변화에 따른 온도의 변화는 그래프에서 변수축이 3개이기 때문에 시각화가 가능하며, 선형 회귀 분석도 가능하다. 하지만, 시간, 기압, 조성의 변화에 따른 온도의 변화는 그래 프에서 변수축이 4개이기 때문에 일반적인 방법으로는 시 각화가 불가능하며, 이에 회귀 분석도 어려움을 가진다. 4성분 화합물의 화...

김수민 고분자 과학과 기술 제 33 권 6 호 2022년 12월 549 불규칙적 스펙트럼의 변화는 일정한 경향성을 가지는 것으로 인식 가능하지만, 이를 대수 방정식으로 표현하는 데는 높은 수준의 수학적 기술과 불규칙성에 대한 예외 조건을 정의하여야 한다. 본 특집에서는 이러한 불규칙적 스펙트럼의 형태를 조성의 변화에 따라 예측하기 위하여 인공 신경망 구조를 구성하여 딥러닝 수행과정에 대하여 소개하고자 한다. 수학적 모델의 창조는 개별 연구자에서 많은 노력을 요구하게 되지만, 이렇게 구성된 모델은 매우 한정적인 범위에서만 예측이 가능하기 때문에 개별 연구자의 다양한 환경에 맞는 광범위한 모델을 생성하기는 어렵다. 따라서, 현재 데이터 과학 분야에서 많이 활용되고 있는 기계학습 방법 machine learning method 을 이용하여 페로브스카이트의 �...