Deep Learning Optical Spectroscopy Based on Experimental Database: Potential Applications to Molecular Design

이 연구에서는 유기 분자의 흡수 및 발광 최대 파장(λₘₐₓ), 반치폭, 소광 계수(ε), 형광 양자수율(Φ), 들뜬 상태 수명(τ) 등 총 7가지 광학 및 광물리적 특성을 예측하는 deep learning optical spectroscopy 모델을 개발하였다. 총 30,094개의 크로모포어/용매 조합(11,392개의 고유한 유기 크로모포어, 369개 용매 또는 고체 상태)을 기반으로 학습된 이 모델은 chromophore와 용매의 상호작용을 반영한 그래프 신경망 구조를 사용하여 분자 구조와 환경의 영향을 함께 고려한다. 예측 정확도는 λₘₐₓ 기준 26–28 nm, 반치폭 기준 500–600 cm⁻¹, log ε, log Φ, log τ에 대해서도 낮은 RMSE를 기록하였으며, TD-DFT 계산보다 높은 정확도와 700배 이상의 속도 향상을 달성하였다. 또한, 모델을 통해 분자의 흡수/발광 스펙트럼 및 색좌표(CIE)를 재현할 수 있으며, pre-screening을 통해 원하는 광학 특성을 갖는 플루오로포어를 설계하고 검증하는 데 성공하였다. 본 연구는 실험 기반 데이터와 딥러닝의 결합을 통해 유기 분자의 광학 특성 예측과 분자 디자인을 가속화할 수 있는 새로운 접근을 제시한다.