인공지능 기반 태양전지 자동화 시스템, 효율성 27% 달성

홍콩시립대학교 연구팀이 기계학습과 자동화 제조 플랫폼을 결합한 폐쇄형 자율시스템을 개발해 페로브스카이트 태양전지의 효율성을 크게 향상시켰다. 연구진은 머신러닝 기반 재료 발굴과 자동화된 제조 공정을 통합한 이 시스템을 통해 고성능 분자를 신속하게 식별했으며, 그 결과 27.22%의 전력변환효율을 달성한 태양전지를 개발할 수 있었다. 이는 기존의 수동 제조 방식에서 달성하기 어려웠던 수준으로, 태양전지 산업의 상용화 단계에 한 걸음 더 다가가는 성과로 평가된다.

연구팀이 발견한 핵심 물질은 5-아미노메틸니코틴오니트릴 수소화요오드화물(5ANI)이라는 새로운 표면 개선 분자다. 이 분자를 적용한 0.05제곱센티미터 크기의 소형 태양전지는 공인된 최대전력점 추적 방식으로 측정했을 때 27.18%의 효율성을 기록했다. 더욱 주목할 점은 21.4제곱센티미터 규모의 미니 모듈 형태로 제작했을 때도 23.49%의 효율성을 유지했다는 것으로, 이는 실제 상용화 규모로 확대해도 성능 저하가 최소화될 수 있음을 시사한다. 특히 소형 태양전지에서 달성한 27% 이상의 효율성은 현재 상용 태양전지의 일반적인 수준인 20~22%를 훨씬 상회하는 성과다.

이 시스템의 또 다른 강점은 장기 안정성이다. 국제표준화기구의 야외 작동 안정성 테스트 프로토콜(ISOS-L-1I)에 따라 1,200시간 동안 연속 운전한 결과, 태양전지들은 초기 효율성의 98.7%를 유지했다. 이는 페로브스카이트 태양전지가 상용화되기 위해 극복해야 할 가장 큰 과제 중 하나인 내구성 문제를 상당히 개선했음을 의미한다. 기존 페로브스카이트 태양전지는 습도, 열, 빛 등 환경 요인에 의해 성능이 빠르게 저하되는 문제가 있었는데, 이번 연구에서 개발된 표면 개선 기술이 이를 효과적으로 해결했다는 점에서 의미가 크다.

자동화 제조 플랫폼이 보여준 성능의 일관성도 주목할 만하다. 연구팀의 자동화 시스템은 수동 제조 방식 대비 거의 5배에 가까운 효율성 재현성을 달성했다. 이는 같은 공정을 반복했을 때 결과가 얼마나 일관되게 나오는지를 나타내는 지표로, 산업 규모의 대량 생산에서 매우 중요한 요소다. 기존에는 숙련된 기술자의 경험과 직관에 의존해야 했던 페로브스카이트 태양전지 제조 과정이, 이제는 자동화된 시스템으로 훨씬 더 안정적이고 신뢰할 수 있게 관리될 수 있게 된 것이다.

이 연구의 기술적 핵심은 능동 학습과 양자 모델링을 활용한 머신러닝 알고리즘과 베이지안 최적화 및 기호 회귀를 이용한 피드백 루프의 결합에 있다. 시스템은 새로운 재료를 발굴할 때 머신러닝이 고성능 분자를 빠르게 찾아내고, 제조 공정을 최적화할 때는 자동화된 기계가 수집한 정확한 데이터를 바탕으로 지속적으로 공정을 개선한다. 이러한 폐쇄형 자율 시스템은 인간의 개입을 최소화하면서도 시행착오를 줄이고, 더 나은 결과에 더 빠르게 도달할 수 있게 한다. 연구팀은 이 접근 방식이 태양전지뿐 아니라 다양한 신소재 개발과 제조 분야에서 새로운 표준을 제시할 수 있을 것으로 기대하고 있다.

페로브스카이트 태양전지는 차세대 태양광 발전 기술로 주목받고 있다. 기존 실리콘 태양전지보다 제조 비용이 낮고 효율성을 높이기 용이하다는 장점이 있지만, 상용화 과정에서 안정성과 대량 생산의 일관성이 가장 큰 걸림돌이었다. 이번 연구는 인공지능과 자동화 기술이 이러한 문제들을 어떻게 해결할 수 있는지 보여주는 구체적인 사례다. 향후 이 기술이 산업계에 도입된다면 페로브스카이트 태양전지의 상용화 시기를 크게 앞당길 수 있을 것으로 전망된다.