기계학습과 클러스터 분석으로 고성능 페로브스카이트 태양전지 후보를 탐색하고 실험으로 검증

1/ AI 활용 방법: SEM 이미지 특징 추출과 클러스터 분석을 포함한 지도·비지도 머신러닝
2/ 적용 과제: 페로브스카이트 태양전지의 미세구조 기반 후보 탐색과 설계 규칙 도출
3/ 보고된 결과: 고성능 후보 발견을 가속하고 실험 검증으로 설계 규칙을 확인함
4/ 이 연구는 SEM 이미지에서 얻은 미세구조 정보를 바탕으로, 클러스터 분석과 머신러닝을 결합해 고성능 페로브스카이트 태양전지 후보를 찾아냈다고 보고했다.
5/ 논문은 실험 검증을 함께 사용해 설계 규칙을 도출했으며, 고성능 후보의 발견을 가속했다고 설명한다.
6/ 재료 연구 관점에서는 이미지 기반 미세구조 특징과 성능 데이터를 연결해 후보군을 좁히는 접근이 핵심이다.
7/ 단순 예측만이 아니라 실험 결과와 연결해 규칙을 확인했다는 점에서, 재료정보학과 실험 재료개발의 결합 사례로 볼 수 있다.
8/ 다만 이 방식은 이미지 품질, 특징 추출 방식, 군집 수 선택, 그리고 학습 데이터의 대표성에 크게 좌우된다.
9/ 논문이 보고한 결과가 다른 조성이나 공정 조건에서도 그대로 재현된다고 보장할 수는 없으며, 적용 범위를 벗어난 외삽은 주의가 필요하다. [1]