Generative deep learning-based efficient design of organic molecules with tailored properties

이 연구에서는 실험 기반의 대규모 광학 특성 데이터에 기반하여, 특정 용매 조건에서 목표하는 7가지 광학적 특성(optical property)을 만족하는 유기 분자를 자동으로 생성할 수 있는 생성형 딥러닝 모델(Gen-DL)을 개발하였다. 이 모델은 분자 구조–광학 특성 간의 관계를 학습하여, conjugation 효과, Stokes shift, 용매 효과 등의 설계 원리를 반영하면서 분자를 step-by-step 방식으로 생성한다. 모델이 생성한 분자들은 기존 데이터에 없는 구조적 다양성을 가지며, 용매에 따른 특성 변화(log P, Stokes shift 등)와 설계된 광학 특성이 실험값과 잘 일치함을 확인하였다. 실제로 OLED, OPV, OPD, 바이오이미징 염료 등 다양한 응용 분야에서 사용된 분자들을 모델이 재현하거나 새롭게 생성할 수 있었고, 이를 통해 실용적인 분자 설계의 효율성을 입증하였다. 본 연구는 생성형 딥러닝 모델을 활용한 광학 소재 설계의 가능성을 제시하며, 실험 기반 분광 데이터와 AI 모델을 결합한 데이터 중심 분자 설계 전략을 제공한다.