자율 마이크로플루이딕 실험, 다성분 더블 페로브스카이트 나노결정 합성·최적화에 적용

1/ AI 활용 방법: 머신러닝을 활용한 자율 실험 의사결정
2/ 적용 과제: 다성분 더블 페로브스카이트 나노결정 합성 및 최적화
3/ 보고된 결과: 최대 6개 원소를 포함하는 시스템에서 신속한 데이터 기반 최적화와 자율 탐색 가능성을 보임
4/ 이 연구는 머신러닝 유도 의사결정을 포함한 자율 실험실과 마이크로플루이딕 실험을 결합해, 다성분 더블 페로브스카이트 나노플레이트렛의 합성과 조건 최적화를 수행했다.
5/ 보고에 따르면 최대 6개 원소를 포함하는 조성계에서 신속한 데이터 기반 최적화가 이뤄졌고, 반응 경로가 복잡한 시스템에도 자율 탐색이 적용될 수 있음을 보였다.
6/ 재료 연구에서는 이런 방식이 합성 조건이 많은 다원계 나노결정에서 특히 유용하다.
7/ 실험 조건을 자동으로 바꾸고, 얻은 결과를 다음 실험 결정에 반영하는 구조이므로, 사람이 직관만으로 찾기 어려운 조성·조건 영역을 체계적으로 좁힐 수 있다.
8/ 다만 자율 최적화가 곧바로 일반적인 합성 지침이 되는 것은 아니며, 특정 마이크로플루이딕 장치와 반응계에서만 성립할 수 있다.
9/ 또한 높은 조성 복잡성은 데이터 희소성과 측정 잡음을 키울 수 있어, 최종 조성의 재현성과 구조 확인이 반드시 필요하다. [1]