Deep learning for development of organic optoelectronic devices: Efficient prescreening of hosts and emitters in deep-blue fluorescent OLED

이 연구에서는 실험적으로 측정된 HOMO 및 LUMO 에너지 데이터(총 3026종 유기 분자, 3362개 조합)를 기반으로, 분자 구조와 용매 정보를 입력으로 받아 HOMO/LUMO 에너지를 정밀하게 예측할 수 있는 딥러닝 모델 DeepHL을 개발하였다. DeepHL은 기존 DFT 기반 예측 모델보다 예측 정확도(0.050–0.065 eV 수준)와 계산 속도 면에서 우수하며, donor–acceptor 구조, 작용기, 이종 원자, conjugation 길이 등이 HOMO/LUMO 에너지에 미치는 영향을 구조적으로 해석할 수 있는 특성을 가진다. 이 모델은 deep-blue OLED 소자 설계에 적용되어, emission λₘₐₓ 412 nm, FWHM 36 nm, EQE 6.58%를 기록하는 고효율 단일층 형광 OLED를 성공적으로 구현하였다. 특히, DeepHL과 광학 특성 예측 모델(DLOS)을 결합하여 host/emitter 후보물질을 virtual screening한 후 합성과 실제 소자 제작까지 이어지는 실험적 검증을 수행하였으며, 이는 광전자 소재 설계에서 딥러닝 기반 사전 선별 전략의 유효성을 입증한다.