국민대학교(총장 정승렬) 화학과 김영훈 교수 연구팀의 이유빈 석사수료생이 성균관대학교 이보람 교수, 한양대학교 이태경 교수 연구팀과의 공동연구를 통해 별도의 후합성 리간드 교환 공정 없이 고효율 페로브스카이트 발광다이오드(LED)를 구현하는 데 성공했다. △ 사진= 페로브스카이트 나노결정 기술 모식도 이번 연구 성과는 재료과학 분야의 국제학술지 ‘Advanced Functional Materials’에 ‘Direct Integration of Conductive, Emissive Perovskite Nanocrystals into Efficient Light-Emitting Diodes Without Post-Synthetic Ligand Exchange’라는 제목으로 게재될 예정이다. ‘Advanced Functional Materials’는 기능성 소재와 나노기술, 화학, 물리 등 재료과학 전반의 연구 성과를 다루는 국제학술지로, 피인용지수(Impact Factor) 19.9를 기록하며 JCR 기준 상위 5% 이내에 속한다. 페로브스카이트 나노결정(Perovskite Nanocrystals, PNCs)은 높은 발광 효율과 우수한 색순도, 용액 공정성을 갖춰 차세대 디스플레이용 발광다이오드의 핵심 소재로 주목받고 있다. 그러나 기존 합성법으로 제조된 나노결정 표면에는 긴 탄화수소 사슬을 갖는 유기 리간드가 다량 존재해 나노결정 간 전하 이동을 방해하는 문제가 있었다. 이에 고성능 소자를 제작하기 위해서는 합성 후 긴 리간드를 짧은 리간드로 교체하는 ‘후합성 리간드 교환(post-synthetic ligand exchange)’ 공정이 일반적으로 요구돼 왔다. 연구팀은 이러한 한계를 극복하기 위해 SN2 반응 기반의 heat-up 합성법을 이용해 나노결정의 표면 화학을 합성 단계에서부터 제어했다. 이를 통해 기존 나노결정 표면의 oleate 리간드 양을 크게 줄이고, Br⁻가 풍부하게 표면을 안정화하는 낮은 리간드 밀도의 CsPbBr₃ 페로브스카이트 나노결정을 개발했다. 특히 OAM/Br⁻ 표면 조합이

국민대학교(총장 정승렬) 화학과 김영훈 교수 연구실의 김재혁 산학협력단 연구원(2027년 1학기 일반대학원 화학과 박사과정 입학 예정)이 최근 열린 ‘2026 대한금속재료학회 추계학술대회’에서 연구의 독창성과 우수성을 인정받아 ‘포스터 발표 우수상’을 수상했다. 김재혁 연구원은 콜로이드에너지나노소재 연구실 소속으로, 이번 학술대회에서 ‘전구체 확산 제어 기반 단분산 페로브스카이트 양자점 대량 합성 및 고성능 태양전지·LED 구현’을 주제로 연구 성과를 발표했다. 페로브스카이트 양자점은 뛰어난 색 순도와 높은 광흡수 계수 등 우수한 광학적 특성 덕분에 차세대 광전소자 핵심 소재로 꼽힌다. 그러나 균일한 품질의 대량생산이 까다로워 상용화에 한계가 있었다. 김재혁 연구원은 반응기 내 전구체의 확산 속도를 조절해 핵 생성을 정밀하게 제어하는 기술을 고안, 고품질 양자점을 균일하게 대량 합성하는 데 성공했다. 이를 태양전지에 실증한 성과는 지난 7월 에너지 분야 국제 학술지 ‘ACS Energy Letters (IF=17.5, JCR 상위 5.7%)’에 게재되며 학계의 큰 주목을 받았다. 김영훈 교수 연구팀은 기존 태양전지 구현 성과에 머무르지 않고, 대량 합성된 양자점을 활용해 ‘고색순도·고효율 대면적 적색 LED’ 구현으로 연구 영역을 확장했다. 고효율 LED를 산업적으로 상용화하려면 양자점의 광학적 우수성뿐만 아니라, 표면 처리를 거쳐 전기 전도성을 확보한 잉크를 대량 제조하는 공정이 필수적이다. 연구팀은 별도의 복잡한 후처리 없이 소자에 즉시 적용할 수 있는 ‘소자 일체형 잉크(Device-ready ink)’를 개발해 상용화 난제를 해결했다. 특히 대량 제조 공정에서도 실험실 소형 기준 소자의 최대 외부양자효율(EQE) 18.07% 대비 90% 이상 수준인 16.32%를 유지하는 성과를 냈다. 나아가 해당 잉크를 기반으로 기존 소자(13 mm2)의 약 6배에 달하는 80 mm2 대면적 LED에서도 16.27%의 높은 EQE를 안정적으로 구현했다. 이번 연구성과는 향후 페로브스카이트 양자점 합성 기술의

국민대학교(총장 정승렬) 일반대학원 화학과 정준영 교수 연구팀이 화학물질의 배합 비율에 따라 달라지는 혼합물의 성질을 예측하는 인공지능(AI) 모델을 개발했다. △ 사진= 여러 화학물질이 섞인 혼합물의 성질을 예측하는 AI 모델 ‘MEMo’ 개요 이번 연구에는 김지환 석·박사통합과정생과 김찬중 학부연구생이 참여했으며, 연구 성과는 화학공학 분야의 대표적인 SCI 국제학술지 ‘Chemical Engineering Journal’에 ‘Encoding composition-dependent intermolecular interactions into learned molecular representations’라는 제목으로 게재됐다. 해당 학술지는 피인용지수(Impact Factor) 13.2를 기록한 JCR 상위 등급(Q1)의 국제학술지다. 우리 주변의 화학 제품은 대부분 한 가지 물질이 아니라 여러 물질이 섞인 혼합물이다. 공장에서 사용하는 용매, 배터리 속 전해질, 자동차 연료, 화장품과 의약품 제형 등이 대표적이다. 혼합물의 성질은 어떤 물질이 포함돼 있는지뿐 아니라 각각의 물질이 얼마나 섞였는지에 따라 달라지며, 그 변화가 반드시 배합 비율에 비례하는 것은 아니다. 가능한 모든 조합과 비율을 실험으로 측정하기에는 한계가 있어, 실험 없이 혼합물의 성질을 예측하는 AI 기술의 중요성이 높아지고 있다. 기존 AI 모델은 혼합물을 분석할 때 각 분자의 특성을 개별적으로 학습한 뒤, 배합 비율에 따라 평균을 내는 방식을 주로 활용했다. 이는 요리의 완성된 맛을 직접 확인하지 않고 각각의 재료를 따로 맛본 뒤 평균을 내어 추정하는 것과 유사하다. 이러한 방식은 분자들이 서로 영향을 주고받는 상호작용과 배합 비율에 따른 변화를 학습하는 데 한계가 있었다. 정 교수 연구팀은 이러한 문제를 해결하기 위해 새로운 AI 모델 ‘MEMo(Mixture Embedding via Mole Fraction)’를 개발했다. MEMo는 분자를 이해하는 초기 단계부터 어떤 분자와 얼마나 섞이는지를 함께 입력받도록 설계됐다. 모델