WO2024085373A1 - 열적 안정성 판단 장치 및 방법 - Google Patents

열적 안정성 판단 장치 및 방법 Download PDF

Info

Publication number
WO2024085373A1
WO2024085373A1 PCT/KR2023/010805 KR2023010805W WO2024085373A1 WO 2024085373 A1 WO2024085373 A1 WO 2024085373A1 KR 2023010805 W KR2023010805 W KR 2023010805W WO 2024085373 A1 WO2024085373 A1 WO 2024085373A1
Authority
WO
WIPO (PCT)
Prior art keywords
thermal stability
target material
command
information
determining
Prior art date
Application number
PCT/KR2023/010805
Other languages
English (en)
French (fr)
Inventor
공창선
강성경
강은혜
유승준
이규황
이재인
Original Assignee
주식회사 엘지화학
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 엘지화학 filed Critical 주식회사 엘지화학
Publication of WO2024085373A1 publication Critical patent/WO2024085373A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10K—ORGANIC ELECTRIC SOLID-STATE DEVICES
    • H10K85/00—Organic materials used in the body or electrodes of devices covered by this subclass
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10K—ORGANIC ELECTRIC SOLID-STATE DEVICES
    • H10K99/00—Subject matter not provided for in other groups of this subclass

Definitions

  • the present invention relates to an apparatus and method for determining thermal stability, and more specifically, to an apparatus and method for determining thermal stability of a target material from molecular structure information.
  • OLED Organic Light Emitting Diodes
  • an organic light emitting device includes organic compound layers provided in the form of thin films between an anode electrode and a cathode electrode.
  • an organic light emitting device is provided by forming a multi-layer organic thin film between an anode electrode and a cathode electrode.
  • multilayer organic thin films include a hole injection layer (HIL), a hole transport layer (HTL), an emission layer (EML), an electron transport layer (ETL), and an electron injection layer ( Electron Injection Layer (EIL).
  • HIL hole injection layer
  • HTL hole transport layer
  • EML emission layer
  • ETL electron transport layer
  • EIL electron injection layer
  • Tg glass transition temperature
  • Td decomposition temperature
  • molecular weight change was used to determine the thermal stability during the thermal decomposition process. A method to observe stability was used.
  • the conventional thermal stability determination method has the problem of requiring a lot of time and cost because it requires manufacturing an actual thin film and evaluating it through experiments.
  • the purpose of the present invention to solve the above problems is to provide a high-speed, high-accuracy, and low-cost thermal stability determination device.
  • the purpose of the present invention to solve the above problems is to provide a high-speed, high-accuracy, and low-cost thermal stability determination method.
  • An apparatus for determining thermal stability includes a memory and a processor that executes at least one command within the memory, wherein the at least one command is particle information constituting the target material.
  • the command to obtain a molecular structure using the particle information may include a command to obtain a molecular structure in which energy is optimized using the particle information.
  • the command to obtain the molecular structure is a molecule whose energy is optimized using any one of First Principles, Semi-empirical, or Empirical methods based on the particle information. It may contain instructions to obtain the structure.
  • the particle information may include atomic information and molecular information of the target material.
  • the particle information may include a core moiety constituting the target material and at least one functional group that can be combined with the core moiety and replaced with at least one derivative.
  • the structural information may include at least one of Radius of Gyration (Rg) and Asphericity (As).
  • the command for obtaining structural information from the molecular structure includes a command for calculating a gyration tensor from the molecular structure information and a command for calculating at least one of a gyration radius and a non-sphericity from the rotation tensor. may include.
  • the rotation tensor may be a matrix composed of mass and position vectors of atoms.
  • the command to calculate at least one of the rotation radius and the non-sphericity includes a command to diagonalize the rotation tensor and express it as eigenvalues (L1, L2, L3, Eigenvalues), and an eigenvalue of the rotation tensor. It may include a command for calculating the rotation radius using and a command for calculating the non-sphericity using an eigenvalue of the rotation tensor.
  • the command for determining the thermal stability of the target material may include a command for determining the thermal stability of the target material by comparing the structural information with a threshold value.
  • the command to determine the thermal stability of the target material includes, when the radius of rotation and non-sphericity exceed the first and second threshold values, respectively, a command to determine that the thermal stability of the target material is high; When the radius of rotation and the non-sphericity are less than or equal to the first and second threshold values, respectively, a command may be included to determine that the thermal stability of the target material is low.
  • the command for determining the thermal stability of the target material may include a command for determining the thermal stability of the target material by inputting the structural information into a pre-trained learning model.
  • the pre-trained learning model may be a machine learned model using at least one experimental data from a thermal stability experiment as learning data.
  • command to determine the thermal stability of the target material may further include a command to store the thermal stability determination result data in a database.
  • the command for determining the thermal stability of the target material may further include a command for retraining the learning model using at least one result data stored in the database.
  • the target material can be applied to the organic thin film layer of an organic light emitting diode (OLED).
  • OLED organic light emitting diode
  • the thermal stability determination method performed in the thermal stability determination device includes obtaining particle information constituting the target material, and obtaining molecular structure using the particle information. It includes obtaining structural information from the molecular structure, and determining thermal stability of the target material using the structural information.
  • the step of obtaining a molecular structure using the particle information may include obtaining a molecular structure in which energy is optimized using the particle information.
  • the step of obtaining the molecular structure is a molecular structure whose energy is optimized using any one of First Principles, Semi-empirical, or Empirical methods based on the particle information. It may include the step of acquiring.
  • the particle information may include atomic information and molecular information of the target material.
  • the particle information may include a core moiety constituting the target material and at least one functional group that can be combined with the core moiety and replaced with at least one derivative.
  • the structural information may include at least one of Radius of Gyration (Rg) and Asphericity (As).
  • the step of obtaining structural information from the molecular structure may include calculating a gyration tensor from the molecular structure information and calculating at least one of a gyration radius and non-sphericity from the gyration tensor. You can.
  • the rotation tensor may be a matrix composed of mass and position vectors of atoms.
  • calculating the structural information includes diagonalizing the rotation tensor and expressing it as eigenvalues (L1, L2, L3, Eigenvalues), and calculating the rotation radius using the eigenvalues of the rotation tensor. and calculating the non-sphericity using the eigenvalues of the rotation tensor.
  • determining the thermal stability of the target material may include comparing the structural information with a threshold value to determine the thermal stability of the target material.
  • the step of determining the thermal stability of the target material includes determining that the thermal stability of the target material is high when the rotation radius and non-sphericity exceed the first and second threshold values, respectively, and the rotation. When the radius and the non-sphericity are less than or equal to the first and second threshold values, respectively, it may include determining that the thermal stability of the target material is low.
  • the step of determining the thermal stability of the target material may include determining the thermal stability of the target material by inputting the structural information into a pre-trained learning model.
  • the pre-trained learning model may be a machine learned model using at least one experimental data from a thermal stability experiment as learning data.
  • the step of determining the thermal stability of the target material may further include storing the thermal stability determination result data in a database.
  • determining the thermal stability of the target material may further include retraining the learning model using at least one result data stored in the database.
  • the target material can be applied to the organic thin film layer of an organic light emitting diode (OLED).
  • OLED organic light emitting diode
  • the thermal stability determination device and method obtains a molecular structure by inputting information on particles constituting the target material, obtains structural information from the molecular structure, and uses the structural information to obtain a molecular structure.
  • the thermal stability of the target material can be easily determined without separate experiments, and new molecular design and high-speed screening of candidate materials are possible, providing the expected effects of high speed, high accuracy, and low cost. You can.
  • FIG. 1 is a block diagram of a thermal stability determination device according to an embodiment of the present invention.
  • Figure 2 is a flowchart of a thermal stability determination method performed by a processor operation of a thermal stability determination device according to an embodiment of the present invention.
  • Figure 3 is a molecular structure image for explaining particle information of a target material according to an embodiment of the present invention.
  • Figure 4 is a flowchart illustrating the step of obtaining structural information in the thermal stability determination method according to an embodiment of the present invention.
  • Figure 5 is a flowchart illustrating a method of determining thermal stability using a pre-trained learning model among the methods of determining thermal stability according to an embodiment of the present invention.
  • Figure 6 is an organic thin film deposition image for a thermal stability test according to a comparative example of the present invention.
  • Figure 7 is a graph showing the results of a thermal stability test by temperature according to the radius of rotation and non-sphericity of each of a plurality of target materials, according to the first experimental example of the present invention.
  • Figure 8 is an image showing the combined position information of particle information of the target material for thermal stability verification according to the second experimental example of the present invention.
  • Figure 9 is an image showing the results of a thermal stability test of target materials according to adjustment of the binding position of the functional group according to the second experimental example of the present invention.
  • Figure 10 is a graph of thermal stability distribution according to the radius of rotation of a plurality of organisms according to the second experimental example of the present invention.
  • Figure 11 is a graph of thermal stability distribution according to non-sphericity of a plurality of organisms according to the second experimental example of the present invention.
  • Transmission and reception device 400 Input interface device
  • first, second, A, B, etc. may be used to describe various components, but the components should not be limited by the terms. The above terms are used only for the purpose of distinguishing one component from another.
  • a first component may be named a second component, and similarly, the second component may also be named a first component without departing from the scope of the present invention.
  • the term “and/or” includes any of a plurality of related stated items or a combination of a plurality of related stated items.
  • FIG. 1 is a block diagram of a thermal stability determination device according to an embodiment of the present invention.
  • a thermal stability determination device may be a device that determines thermal stability by obtaining structural information from particle information of a target material.
  • a thermal stability determination device may be used to select a material for an organic thin film layer of an organic light emitting device (OLED).
  • the thermal stability determination device can generate a molecular structure from molecular information, which is particle information of an organic material input as a target material, obtain structural information based on this, and confirm whether the organic material is thermally stable. Accordingly, the thermal stability determination device can determine whether to select a material for the organic thin film layer of the organic light emitting device (OLED) based on the thermal stability information of the organic material.
  • the thermal stability determination device includes a memory 100, a processor 200, a transmission/reception device 300, an input interface device 400, and an output interface. It may include a device 500 and a storage device 600.
  • each of the components 100, 200, 300, 400, 500, and 600 included in the thermal stability determination device may be connected by a bus 700 and communicate with each other.
  • the memory 100 and the storage device 600 may be composed of at least one of a volatile storage medium and a non-volatile storage medium.
  • the memory 100 and the storage device 600 may be comprised of at least one of read only memory (ROM) and random access memory (RAM).
  • the memory 100 may include at least one instruction executed by the processor 200.
  • the at least one instruction is: A command for obtaining particle information constituting the target substance, a command for obtaining a molecular structure using the particle information, an command for obtaining structural information from the molecular structure, and A command to determine thermal stability may be included.
  • the command to obtain a molecular structure using the particle information may include a command to obtain a molecular structure in which energy is optimized using the particle information.
  • the command to obtain the molecular structure is a molecule whose energy is optimized using any one of First Principles, Semi-empirical, or Empirical methods based on the particle information. It may contain instructions to obtain the structure.
  • the particle information may include atomic information and molecular information of the target material.
  • the particle information may include a core moiety constituting the target material and at least one functional group that can be combined with the core moiety and replaced with at least one derivative.
  • the structural information may include at least one of Radius of Gyration (Rg) and Asphericity (As).
  • the command for obtaining structural information from the molecular structure includes a command for calculating a gyration tensor from the molecular structure information and a command for calculating at least one of a gyration radius and a non-sphericity from the rotation tensor. may include.
  • the rotation tensor may be a matrix composed of mass and position vectors of atoms.
  • the command to calculate at least one of the rotation radius and the non-sphericity includes a command to diagonalize the rotation tensor and express it as eigenvalues (L1, L2, L3, Eigenvalues), and an eigenvalue of the rotation tensor. It may include a command for calculating the rotation radius using and a command for calculating the non-sphericity using an eigenvalue of the rotation tensor.
  • the command for determining the thermal stability of the target material may include a command for determining the thermal stability of the target material by comparing the structural information with a threshold value.
  • the command to determine the thermal stability of the target material includes, when the radius of rotation and non-sphericity exceed the first and second threshold values, respectively, a command to determine that the thermal stability of the target material is high; When the radius of rotation and the non-sphericity are less than or equal to the first and second threshold values, respectively, a command may be included to determine that the thermal stability of the target material is low.
  • the command for determining the thermal stability of the target material may include a command for determining the thermal stability of the target material by inputting the structural information into a pre-trained learning model.
  • the pre-trained learning model may be a machine learned model using at least one experimental data from a thermal stability experiment as learning data.
  • command to determine the thermal stability of the target material may further include a command to store the thermal stability determination result data in a database.
  • the command for determining the thermal stability of the target material may further include a command for retraining the learning model using at least one result data stored in the database.
  • the target material can be applied to the organic thin film layer of an organic light emitting diode (OLED).
  • OLED organic light emitting diode
  • the processor 200 may refer to a central processing unit (CPU), a graphics processing unit (GPU), or a dedicated processor on which methods according to embodiments of the present invention are performed. .
  • CPU central processing unit
  • GPU graphics processing unit
  • dedicated processor on which methods according to embodiments of the present invention are performed.
  • the processor 200 may execute at least one program command stored in the memory 100.
  • the thermal stability determination device has been described above. Hereinafter, a method of determining thermal stability performed by the operation of a processor in the thermal stability determining device will be described.
  • Figure 2 is a flowchart of a thermal stability determination method performed by a processor operation of a thermal stability determination device according to an embodiment of the present invention.
  • the thermal stability determination device can acquire particle information of the target material (S1000).
  • the target material may be an organic material applied to a multilayer organic thin film layer of an organic light emitting device (OLED).
  • OLED organic light emitting device
  • it may be anthracene derivatives.
  • Figure 3 is a molecular structure image for explaining particle information of a target material according to an embodiment of the present invention.
  • the thermal stability determination device may obtain information on particles constituting the target material from the user.
  • Particle information may include atomic information or molecular information.
  • particle information may be provided as atomic information or molecular information depending on the target material whose thermal stability is to be determined. For example, if the target material is an organic material, the user can input molecular information of the organic material into the thermal stability determination device.
  • the particle information includes a core moiety (C) constituting the target material and at least one functional group (a, a', may include b, b').
  • the core of the target material may be an anthracene molecule, and at least one functional group may be Benzene, Naphthalene, Phenanthrene, Dibenzofuran, or Chrysanthemum. It may be at least one of Chrysene, Pyrene, Fluorene, Benzo Tetraphene, and Benzo(a)pyrene, but is not limited to the disclosure.
  • a plurality of functional groups may be provided in an expanded state (a, a', a", ...) (b, b', b", ...) by chemical bonding.
  • a plurality of functional groups may be provided by connecting molecules of the same or different structures, regardless of structure.
  • functional groups participating in chemical bonding may be electron-rich groups or electron-deficient groups.
  • the functional group participating in the chemical bond may be provided as a molecule that acts as an electron donor or electron acceptor.
  • the thermal stability determination device can obtain the molecular structure using particle information (S3000).
  • the thermal stability determination device may obtain a molecular structure in which energy is optimized using at least one particle information.
  • the thermal stability determination device uses any one of First Principles, Semi-empirical, or Empirical methods based on the particle information to determine which energy is optimized.
  • a single molecular structure can be obtained.
  • the molecular structure whose energy is optimized can be defined as a stabilized molecular structure with a minimum energy close to the ground state.
  • the thermal stability determination device can generate at least one derivative that can be generated based on at least one particle information.
  • the thermal stability determination device may generate at least one derivative by adding at least one functional group to the core component.
  • the thermal stability determination device may generate at least one derivative by changing at least one functional group located in the core component.
  • the thermal stability determination device may generate at least one derivative by removing at least one functional group located in the core component.
  • the thermal stability determination device may generate at least one derivative by changing the chemical bonding position of at least one functional group located in the core component.
  • the thermal stability determination device may select the molecular structure of the derivative whose energy is optimized among the at least one obtained derivative.
  • the thermal stability determination device can obtain structural information from the selected molecular structure (S5000).
  • the structural information may include Radius of Gyration (Rg) and Asphericity (As).
  • Figure 4 is a flowchart illustrating the step of obtaining structural information in the thermal stability determination method according to an embodiment of the present invention.
  • the thermal stability determination device can calculate a rotation tensor (Gyration Tensor) from the molecular structure (S5100).
  • the rotation tensor may be a physical quantity that mathematically represents the position, direction, shape, movement, and transformation of a target material in a coordinate space.
  • the rotation tensor may be expressed as the mass and position vector of the atom, as shown in Equation 1 below.
  • the thermal stability determination device can convert the rotation tensor into a matrix form as shown in [Equation 2] below.
  • the thermal stability determination device can calculate structural information including the rotation radius and non-sphericity from the rotation tensor (S5500).
  • the matrixed rotation tensor may be diagonalized, as shown in Equation 3 below.
  • the thermal stability determination device can calculate eigen values (L 1 , L 2 , L 3 ) of eigen vectors from the matrixed rotation tensor (S5510).
  • the thermal stability determination device can calculate the rotation radius using the eigenvalues (L 1 , L 2 , L 3 ) of the rotation tensor, as shown in [Equation 4] and [Equation 5] (S5530).
  • the thermal stability determination device can calculate the non-sphericity (As) using the eigenvalues (L 1 , L 2 , L 3 ) of the rotation tensor, as shown in Equation 6 below (S5550).
  • the thermal stability determination device can determine the thermal stability of the target material based on the structural information (S7000).
  • the thermal stability determination device may determine the thermal stability of the target material by comparing the structural information with a threshold value.
  • the thermal stability determination device may determine the thermal stability of the target material when the radius of rotation is less than or equal to a first critical value and the non-sphericity is less than or equal to a second critical value.
  • the thermal stability determination device may determine the thermal stability of the target material by inputting the structural information into a pre-trained learning model.
  • Figure 5 is a flowchart illustrating a method of determining thermal stability using a pre-trained learning model among the methods of determining thermal stability according to an embodiment of the present invention.
  • the thermal stability determination device may determine the thermal stability of the target material by inputting the structural information into a pre-trained learning model (S7100).
  • the thermal stability determination device may input at least one of the radius of rotation and non-sphericity of the target material into a pre-trained learning model and output whether the target material is thermally stable.
  • the thermal stability determination device may output the thermal stability by inputting both the rotation radius and the non-sphericity into a pre-trained learning model.
  • the pre-trained learning model may be a machine learned model using at least one experimental data from a thermal stability experiment as learning data.
  • the thermal stability determination device may store at least one result data obtained from the pre-trained learning model in a separate database and update the learning model based on the result data (S7500).
  • Figure 6 is an organic thin film deposition image for a thermal stability test according to a comparative example of the present invention.
  • the target material in the thermal stability test, can be coated on a substrate to make it thin.
  • the target material can be coated on a substrate and made into a thin film using a deposition process or a solution process.
  • the substrate may include a partition (C) surrounding a portion of the upper area (A). Accordingly, in the thermal stability test, the target material can be thinned by coating only the partial area (A).
  • the partition (C) is a configuration that physically separates and divides a partial area (A) within the substrate and an outer area (B) excluding it.
  • the target material cannot diffuse and invade between the two areas, Depending on evaporation or scattering, components of the target material may be detected in outer areas where the target material is not coated.
  • the temperature of the thin film limitedly coated with the target material in some areas (A) is gradually raised to determine whether the target material is detected in other areas except for the partial areas according to evaporation or scattering phenomenon. This can be done by checking whether . In other words, through a thermal stability test, the presence or absence of thermal stability can be determined based on whether evaporation or scattering occurs depending on temperature.
  • the learning model may be a model learned based on at least one target material for which the presence or absence of thermal stability is determined based on a thermal stability test result, using the structural information and experimental results of the target material as learning data.
  • the structural information may include at least one of the radius of rotation and non-sphericity of the target material.
  • thermal stability determination device and method according to an embodiment of the present invention have been described above.
  • the thermal stability determination device was verified using the thermal stability experiment for learning the learning model described above.
  • At least one target material consisting of a core component and a functional group was prepared.
  • at least one target substance may be a derivative.
  • the temperature of the thin films was gradually increased to a low temperature of 145°C or lower, a medium temperature of 150°C, and a high temperature of 160°C or higher, and it was examined whether the target material was detected in the outer region of each thin film.
  • Figure 7 is a graph showing the results of a thermal stability test by temperature according to the radius of rotation and non-sphericity of each of a plurality of target materials, according to the first experimental example of the present invention.
  • thermal stability can be determined from the radius of rotation and non-sphericity information of the target material.
  • thermal stability is high. can confirm.
  • anthracene derivatives were prepared in which a divalent phenylene group, a divalent naphthalene group, and a monovalent dibenzofuranyl group were connected to a divalent anthracene core molecule at different positions.
  • Figure 8 is an image showing the binding position information of the particle information of the target material for thermal stability verification according to the second experimental example of the present invention
  • Figure 9 shows the results of the thermal stability test of the target material according to the adjustment of the binding position of the functional group. It is an image.
  • the target substances are provided as first to third derivatives in which benzene, naphthalene, and dibenzofuran molecules are linked at different binding positions.
  • the first derivative based on the anthracene molecule, which is the core component, number 1 of the anthracene molecule and number 3 of the dibenzofuran molecule are bonded, and number 2 of the anthracene molecule and number 1 of the naphthalene molecule are connected to the Para position of benzene. It is a derivative combined with .
  • the second derivative based on the anthracene molecule, which is the core component, number 1 of the anthracene molecule and number 2 of the dibenzofuran molecule are bonded, and number 2 of the anthracene molecule and number 1 of the naphthalene molecule are at the Para position of benzene. It is a derivative combined with .
  • the third derivative based on the anthracene molecule, which is the core component, number 1 of the anthracene molecule and number 3 of the dibenzofuran molecule are bonded, and number 2 of the anthracene molecule and number 2 of the naphthalene molecule are connected to the Para position of benzene. It is a derivative combined with .
  • the first derivative and the second derivative have different binding positions between the anthracene molecule as the core component and the dibenzofuran molecule as the functional group.
  • first derivative and the third derivative have different binding positions between the benzene linked to the anthracene molecule as the core component and the naphthalene molecule as the functional group.
  • the second derivative and the third derivative are provided with different binding positions of dibenzofuran and naphthalene molecules, which are functional groups connected to the anthracene molecule, which is the core component.
  • the second and third derivatives were confirmed to have high thermal stability (OK) by confirming that evaporation or scattering occurred above 165°C and 150°C, respectively.
  • thermal stability can be improved even when only the binding position of the functional group is changed.
  • the thermal stability determination device and method obtains particle information of the target material and measures the radius of rotation and non-sphericity according to the binding positions of at least one molecule, without performing a separate experiment. It is possible to determine the thermal stability of a target material without
  • the thermal stability determination device and method facilitates adjustment of the bonding position and bonding structure of the molecular components of the target material and the resulting thermal stability test, making it useful as a technology for designing the molecular structure of the target material with thermal stability.
  • the thermal stability determination device and method may be applied to any electronic device including an organic light-emitting device (OLED), by examining the thermal stability of the target material in the organic thin film layer of the organic light-emitting device, It can be used in combination with a device to identify the cause of quality problems in electronic devices or to monitor their lifespan.
  • OLED organic light-emitting device
  • Figure 10 is a thermal stability distribution graph according to the radius of rotation of a plurality of organisms according to the second experimental example of the present invention
  • Figure 11 is a thermal stability distribution graph according to the non-sphericity of a plurality of organisms.
  • the thermal stability distribution according to the radius of rotation and the thermal stability distribution according to non-sphericity were measured for the first to third derivatives.
  • the thermal stability determination apparatus and method according to an embodiment of the present invention reflects both the radius of rotation and non-sphericity information from the particle information of the target material to the structural information, thereby providing a thermal stability determination apparatus and method with improved accuracy. You can.
  • the thermal stability determination device and method obtains a molecular structure by inputting information on particles constituting the target material, obtains structural information from the molecular structure, and uses the structural information to obtain a molecular structure.
  • the thermal stability of the target material can be easily determined without separate experiments, and new molecular design and high-speed screening of candidate materials are possible, providing the expected effects of high speed, high accuracy, and low cost. You can.
  • Computer-readable recording media include all types of recording devices that store data that can be read by a computer system. Additionally, computer-readable recording media can be distributed across networked computer systems so that computer-readable programs or codes can be stored and executed in a distributed manner.
  • computer-readable recording media may include hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, etc.
  • Program instructions may include not only machine language code such as that created by a compiler, but also high-level language code that can be executed by a computer using an interpreter, etc.
  • a block or device corresponds to a method step or feature of a method step.
  • aspects described in the context of a method may also be represented by corresponding blocks or items or features of a corresponding device.
  • Some or all of the method steps may be performed by (or using) a hardware device, such as a microprocessor, programmable computer, or electronic circuit, for example. In some embodiments, one or more of the most important method steps may be performed by such an apparatus.

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Materials Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

본 발명의 실시예 및 실험예들에 따른 열적 안정성 판단 장치 및 방법은, 대상 물질을 구성하는 입자 정보를 입력하여 분자 구조를 획득하고, 분자 구조로부터 구조 정보를 획득하며, 상기 구조 정보를 이용하여 대상 물질의 열적 안정성을 판단함으로써, 별도의 실험 없이 대상 물질의 열적 안정성을 용이하게 판단할 수 있으며, 신규 분자 설계 및 후보 물질의 고속 선별이 가능하여 고속, 고정확 및 저비용의 기대 효과를 제공할 수 있다.

Description

열적 안정성 판단 장치 및 방법
본 출원은, 2022년 10월 17일 한국특허청에 제출된 한국 특허 출원 제10-2022-0133170호의 출원일의 이익을 주장하며, 해당 한국 특허 출원의 문헌에 개시된 모든 내용은 본 명세서에 포함된다.
본 발명은 열적 안정성 판단 장치 및 방법에 관한 것으로, 보다 구체적으로는, 대상 물질의 분자 구조 정보로부터 열적 안정성 여부를 판정하는 열적 안정성 판단 장치 및 방법에 관한 것이다.
유기 발광 소자(Organic Light Emitting Diodes, OLED)는 별도의 광원 없이, 전계발광현상에 의해 자체 발광하는 소자이다.
보다 구체적으로, 유기 발광 소자(OLED)는 애노드(Anode) 전극 및 캐소드(Cathode) 전극 사이에 박막(Thin Films) 형태로 제공되는 유기 화합물 층들을 포함한다. 다시 말해, 유기 발광 소자(OLED)는 애노드 전극 및 캐소드 전극 사이에 다층 유기 박막(Multi-layer Organic Thin Films)이 형성되어 제공된다.
일반적으로, 다층 유기 박막은 정공 주입층(Hole Injection Layer; HIL), 정공 수송층(Hole Transport Layer; HTL), 발광층(Emission Layer; EML), 전자 수송층(Electron Transport Layer; ETL) 및 전자 주입층(Electron Injection Layer; EIL)을 포함한다.
이에 따라, 유기 발광 소자(OLED)는 애노드 전극과 캐소드 전극에 구동 전압이 인가될 경우, 정공 수송층(HTL)을 통과한 정공과 전자 수송층(ETL)을 통과한 전자가 발광층(EML)으로 이동되어 여기자(Exciton)를 형성하고, 그 결과 발광층(EML)이 가시광을 발광할 수 있다.
이때, 다층 유기 박막에 열적 안정성이 낮은 물질이 사용될 경우, 고온 유동성에 의한 응력 발생, 인접 화소 영역으로의 물질 확산 등의 문제가 발생되어, 소자 전체의 성능 저하 및 수명 저하를 일으킬 수 있다.
이에 종래에는, 물질의 열적 안정성을 평가하기 위해, 유리전이온도(Glass Transition Temperature; Tg), 분해온도(Decomposition Temperature; Td), 분자량(Molecular Weight) 변화 등의 지표를 이용하여, 열분해 과정에서 열적 안정성을 관찰하는 방법을 사용하였다.
그러나, 종래의 열적 안정성 판단 방법은 실제 박막을 제조해서 실험을 통해 평가해야 하므로, 많은 시간 및 비용이 소요되는 문제가 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은 고속, 고정확 및 저비용의 열적 안정성 판단 장치를 제공하는 데 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은 고속, 고정확 및 저비용의 열적 안정성 판단 방법을 제공하는 데 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 열적 안정성 판단 장치는 메모리 및 상기 메모리 내 적어도 하나의 명령을 실행하는 프로세서를 포함하고, 상기 적어도 하나의 명령은, 대상 물질을 구성하는 입자 정보를 획득하도록 하는 명령, 상기 입자 정보를 이용하여 분자 구조를 획득하도록 하는 명령, 상기 분자 구조로부터 구조 정보를 획득하도록 하는 명령, 및 상기 구조 정보를 이용하여 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령을 포함한다.
여기서, 상기 입자 정보를 이용하여 분자 구조를 획득하도록 하는 명령은, 상기 입자 정보를 이용하여 에너지가 최적화되는 분자 구조를 획득하도록 하는 명령을 포함할 수 있다.
한편, 상기 분자 구조를 획득하도록 하는 명령은, 상기 입자 정보를 기초로, 제일원리(First Principles), 반경험적(Semi-empirical) 또는 경험적(Empirical) 방법 중 어느 하나를 이용하여 에너지가 최적화되는 분자 구조를 획득하도록 하는 명령을 포함할 수 있다.
또한, 상기 입자 정보는, 상기 대상 물질의 원자 정보 및 분자 정보를 포함할 수 있다.
예를 들어, 상기 입자 정보는 상기 대상 물질을 이루는 코어 성분(core moiety) 및 상기 코어 성분과 결합하여 적어도 하나의 유도체로 치환 가능한 적어도 하나의 작용기(Functional Group)를 포함할 수 있다.
또한, 상기 구조 정보는, 회전 반지름(Radius of Gyration, Rg) 및 비구형도(Asphericity, As) 중 적어도 하나를 포함할 수 있다.
한편, 상기 분자 구조로부터 구조 정보를 획득하도록 하는 명령은, 상기 분자 구조 정보로부터 회전 텐서(Gyration Tensor)를 산출하도록 하는 명령 및 상기 회전 텐서로부터 회전 반지름 및 비구형도 중 적어도 하나를 산출하도록 하는 명령을 포함할 수 있다.
이때, 상기 회전 텐서는 원자의 질량 및 위치 벡터로 구성된 행렬일 수 있다.
또한, 상기 회전 반지름 및 비구형도 중 적어도 하나를 산출하도록 하는 명령은, 상기 회전 텐서를 대각화(Diagonalization)하여 고유치(L1, L2, L3, Eigenvalues)로 표현하도록 하는 명령, 상기 회전 텐서의 고유치를 이용하여 상기 회전 반지름을 산출하도록 하는 명령 및 상기 회전 텐서의 고유치를 이용하여 상기 비구형도를 산출하도록 하는 명령을 포함할 수 있다.
한편, 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령은, 상기 구조 정보를 임계 값과 비교하여, 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령을 포함할 수 있다.
여기서, 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령은, 회전 반지름 및 비구형도가 각각 제1 임계 값 및 제2 임계 값을 초과할 경우, 상기 대상 물질의 열적 안정성이 높음을 판단하도록 하는 명령 및 상기 회전 반지름 및 상기 비구형도가 각각 상기 제1 임계 값 및 상기 제2 임계 값 이하일 경우, 상기 대상 물질의 열적 안정성이 낮음을 판단하도록 하는 명령을 포함할 수 있다.
또한, 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령은, 기학습된 학습 모델에 상기 구조 정보를 입력하여, 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령을 포함할 수 있다.
이때, 상기 기학습된 학습 모델은, 열적 안정성 실험에 따른 적어도 하나의 실험 데이터를 학습 데이터로 이용하여 기계 학습(Machine Learning)된 모델일 수 있다.
또한, 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령은, 상기 열적 안정성 판단 결과 데이터를 데이터베이스에 저장하도록 하는 명령을 더 포함할 수 있다.
또한, 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령은, 상기 데이터베이스의 저장된 적어도 하나의 결과 데이터를 이용하여 상기 학습 모델을 재학습 시키도록 하는 명령을 더 포함할 수 있다.
한편, 상기 대상 물질은 유기 발광 소자(Organic Light Emitting Diode, OLED)의 유기 박막층에 적용될 수 있다.
상기 목적을 달성하기 위한 본 발명의 다른 실시예에 따른 열적 안정성 판단 장치에서 수행되는 열적 안정성 판단 방법은, 대상 물질을 구성하는 입자 정보를 획득하는 단계, 상기 입자 정보를 이용하여 분자 구조를 획득하는 단계, 상기 분자 구조로부터 구조 정보를 획득하는 단계 및 상기 구조 정보를 이용하여, 상기 대상 물질의 열적 안정성을 판단하는 단계를 포함한다.
여기서, 상기 입자 정보를 이용하여 분자 구조를 획득하는 단계는, 상기 입자 정보를 이용하여 에너지가 최적화되는 분자 구조를 획득하는 단계를 포함할 수 있다.
한편, 상기 분자 구조를 획득하는 단계는, 상기 입자 정보를 기초로, 제일원리(First Principles), 반경험적(Semi-empirical) 또는 경험적(Empirical) 방법 중 어느 하나를 이용하여 에너지가 최적화되는 분자 구조를 획득하는 단계를 포함할 수 있다.
또한, 상기 입자 정보는, 상기 대상 물질의 원자 정보 및 분자 정보를 포함할 수 있다.
예를 들어, 상기 입자 정보는 상기 대상 물질을 이루는 코어 성분(core moiety) 및 상기 코어 성분과 결합하여 적어도 하나의 유도체로 치환 가능한 적어도 하나의 작용기(Functional Group)를 포함할 수 있다.
한편, 상기 구조 정보는, 회전 반지름(Radius of Gyration, Rg) 및 비구형도(Asphericity, As) 중 적어도 하나를 포함할 수 있다.
또한, 상기 분자 구조로부터 구조 정보를 획득하는 단계는, 상기 분자 구조 정보로부터 회전 텐서(Gyration Tensor)를 산출하는 단계 및 상기 회전 텐서로부터 회전 반지름 및 비구형도 중 적어도 하나를 산출하는 단계를 포함할 수 있다.
이때, 상기 회전 텐서는 원자의 질량 및 위치 벡터로 구성된 행렬일 수 있다.
또한, 상기 구조 정보를 산출하는 단계는, 상기 회전 텐서를 대각화(Diagonalization)하여 고유치(L1, L2, L3, Eigenvalues)로 표현하는 단계, 상기 회전 텐서의 고유치를 이용하여 상기 회전 반지름을 산출하는 단계 및 상기 회전 텐서의 고유치를 이용하여 상기 비구형도를 산출하는 단계를 포함할 수 있다.
한편, 상기 대상 물질의 열적 안정성을 판단하는 단계는, 상기 구조 정보를 임계 값과 비교하여, 상기 대상 물질의 열적 안정성을 판단하는 단계를 포함할 수 있다.
여기서, 상기 대상 물질의 열적 안정성을 판단하는 단계는, 회전 반지름 및 비구형도가 각각 제1 임계 값 및 제2 임계 값을 초과할 경우, 상기 대상 물질의 열적 안정성이 높음을 판단하는 단계 및 상기 회전 반지름 및 상기 비구형도가 각각 상기 제1 임계 값 및 상기 제2 임계 값 이하일 경우, 상기 대상 물질의 열적 안정성이 낮음을 판단하는 단계를 포함할 수 있다.
또한, 상기 대상 물질의 열적 안정성을 판단하는 단계는, 기학습된 학습 모델에 상기 구조 정보를 입력하여, 상기 대상 물질의 열적 안정성을 판단하는 단계할 수 있다.
이때, 상기 기학습된 학습 모델은 열적 안정성 실험에 따른 적어도 하나의 실험 데이터를 학습 데이터로 이용하여 기계 학습(Machine Learning)된 모델일 수 있다.
또한, 상기 대상 물질의 열적 안정성을 판단하는 단계는, 상기 열적 안정성 판단 결과 데이터를 데이터베이스에 저장하는 단계를 더 포함할 수 있다.
또한, 상기 대상 물질의 열적 안정성을 판단하는 단계는, 상기 데이터베이스의 저장된 적어도 하나의 결과 데이터를 이용하여 상기 학습 모델을 재학습 시키는 단계를 더 포함할 수 있다.
한편, 상기 대상 물질은 유기 발광 소자(Organic Light Emitting Diode, OLED)의 유기 박막층에 적용될 수 있다.
본 발명의 실시예 및 실험예들에 따른 열적 안정성 판단 장치 및 방법은, 대상 물질을 구성하는 입자 정보를 입력하여 분자 구조를 획득하고, 분자 구조로부터 구조 정보를 획득하며, 상기 구조 정보를 이용하여 대상 물질의 열적 안정성을 판단함으로써, 별도의 실험 없이 대상 물질의 열적 안정성을 용이하게 판단할 수 있으며, 신규 분자 설계 및 후보 물질의 고속 선별이 가능하여 고속, 고정확 및 저비용의 기대 효과를 제공할 수 있다.
도 1은 본 발명의 실시예에 따른 열적 안정성 판단 장치의 블록 구성도이다.
도 2는 본 발명의 실시예에 따른 열적 안정성 판단 장치의 프로세서 동작에 의해 수행되는 열적 안정성 판단 방법의 순서도이다.
도 3은 본 발명의 실시예에 따른 대상 물질의 입자 정보를 설명하기 위한 분자 구조 이미지이다.
도 4는 본 발명의 실시예에 따른 열적 안정성 판단 방법 중 구조 정보를 획득하는 단계를 설명하기 위한 순서도이다.
도 5는 본 발명의 실시예에 따른 열적 안정성 판단 방법 중 기학습된 학습 모델을 이용하여 열적 안정성을 판단하는 방법을 설명하기 위한 순서도이다.
도 6은 본 발명의 비교예에 따른 열적 안정성 실험을 위한 유기 박막 증착 이미지이다.
도 7은 본 발명의 제1 실험예에 따라, 복수의 대상 물질들 각각의 회전 반지름 및 비구형도에 따른 온도별 열적 안정성 실험 결과 그래프이다.
도 8은 본 발명의 제2 실험예에 따른 열적 안정성 검증을 위한 대상 물질의 입자 정보들의 결합 위치 정보를 나타낸 이미지이다.
도 9는 본 발명의 제2 실험예에 따른 작용기의 결합 위치 조정에 따른 대상 물질들의 열적 안정성 실험 결과를 나타낸 이미지이다.
도 10은 본 발명의 제2 실험예에 따른 복수의 유기체의 회전 반지름에 따른 열적 안정성 분포 그래프이다.
도 11은 본 발명의 제2 실험예에 따른 복수의 유기체의 비구형도에 따른 열적 안정성 분포 그래프이다.
100: 메모리 200: 프로세서
300: 송수신 장치 400: 입력 인터페이스 장치
500: 출력 인터페이스 장치 600: 저장 장치
700: 버스
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고, 발명의 상세한 설명 부분에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는 데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. "및/또는"이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 실시예에 따른 열적 안정성 판단 장치의 블록 구성도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 열적 안정성 판단 장치는 대상 물질의 입자 정보로부터 구조 정보를 획득하여 열적 안정성을 판단하는 장치일 수 있다.
실시예에 따르면, 열적 안정성 판단 장치는 유기 발광 소자(OLED)의 유기 박막층 재료를 선정하기 위해 사용될 수 있다. 예를 들어, 열적 안정성 판단 장치는 대상 물질로 입력 받은 유기 물질의 입자 정보인 분자 정보로부터 분자 구조를 생성하고, 이를 바탕으로 구조 정보를 획득하여, 상기 유기 물질의 열적 안정성 여부를 확인할 수 있다. 이에 따라, 열적 안정성 판단 장치는 상기 유기 물질의 열적 안정성 정보를 바탕으로, 유기 발광 소자(OLED)의 유기 박막층의 재료 선정 여부를 결정할 수 있다.
본 발명의 실시예에 따른 열적 안정성 판단 장치를 하드웨어 구성별로 보다 자세히 설명하면, 열적 안정성 판단 장치는 메모리(100), 프로세서(200), 송수신 장치(300), 입력 인터페이스 장치(400), 출력 인터페이스 장치(500) 및 저장 장치(600)를 포함할 수 있다.
실시예에 따르면, 상기 열적 안정성 판단 장치에 포함된 각각의 구성 요소들(100, 200, 300, 400, 500, 600)은 버스(bus, 700)에 의해 연결되어 서로 통신을 수행할 수 있다.
상기 구성들(100, 200, 300, 400, 500, 600) 중 메모리(100) 및 저장 장치(600)는 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(100) 및 저장 장치(600)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나로 구성될 수 있다.
이 중에서도 메모리(100)는, 프로세서(200)에 의해 실행되는 적어도 하나의 명령을 포함할 수 있다.
실시예에 따르면, 적어도 하나의 명령은, 대상 물질을 구성하는 입자 정보를 획득하도록 하는 명령, 상기 입자 정보를 이용하여 분자 구조를 획득하도록 하는 명령, 상기 분자 구조로부터 구조 정보를 획득하도록 하는 명령, 및 상기 구조 정보를 이용하여 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령을 포함할 수 있다.
여기서, 상기 입자 정보를 이용하여 분자 구조를 획득하도록 하는 명령은, 상기 입자 정보를 이용하여 에너지가 최적화되는 분자 구조를 획득하도록 하는 명령을 포함할 수 있다.
한편, 상기 분자 구조를 획득하도록 하는 명령은, 상기 입자 정보를 기초로, 제일원리(First Principles), 반경험적(Semi-empirical) 또는 경험적(Empirical) 방법 중 어느 하나를 이용하여 에너지가 최적화되는 분자 구조를 획득하도록 하는 명령을 포함할 수 있다.
또한, 상기 입자 정보는, 상기 대상 물질의 원자 정보 및 분자 정보를 포함할 수 있다.
예를 들어, 상기 입자 정보는 상기 대상 물질을 이루는 코어 성분(core moiety) 및 상기 코어 성분과 결합하여 적어도 하나의 유도체로 치환 가능한 적어도 하나의 작용기(Functional Group)를 포함할 수 있다.
또한, 상기 구조 정보는, 회전 반지름(Radius of Gyration, Rg) 및 비구형도(Asphericity, As) 중 적어도 하나를 포함할 수 있다.
한편, 상기 분자 구조로부터 구조 정보를 획득하도록 하는 명령은, 상기 분자 구조 정보로부터 회전 텐서(Gyration Tensor)를 산출하도록 하는 명령 및 상기 회전 텐서로부터 회전 반지름 및 비구형도 중 적어도 하나를 산출하도록 하는 명령을 포함할 수 있다.
이때, 상기 회전 텐서는 원자의 질량 및 위치 벡터로 구성된 행렬일 수 있다.
또한, 상기 회전 반지름 및 비구형도 중 적어도 하나를 산출하도록 하는 명령은, 상기 회전 텐서를 대각화(Diagonalization)하여 고유치(L1, L2, L3, Eigenvalues)로 표현하도록 하는 명령, 상기 회전 텐서의 고유치를 이용하여 상기 회전 반지름을 산출하도록 하는 명령 및 상기 회전 텐서의 고유치를 이용하여 상기 비구형도를 산출하도록 하는 명령을 포함할 수 있다.
한편, 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령은, 상기 구조 정보를 임계 값과 비교하여, 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령을 포함할 수 있다.
여기서, 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령은, 회전 반지름 및 비구형도가 각각 제1 임계 값 및 제2 임계 값을 초과할 경우, 상기 대상 물질의 열적 안정성이 높음을 판단하도록 하는 명령 및 상기 회전 반지름 및 상기 비구형도가 각각 상기 제1 임계 값 및 상기 제2 임계 값 이하일 경우, 상기 대상 물질의 열적 안정성이 낮음을 판단하도록 하는 명령을 포함할 수 있다.
또한, 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령은, 기학습된 학습 모델에 상기 구조 정보를 입력하여, 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령을 포함할 수 있다.
이때, 상기 기학습된 학습 모델은, 열적 안정성 실험에 따른 적어도 하나의 실험 데이터를 학습 데이터로 이용하여 기계 학습(Machine Learning)된 모델일 수 있다.
또한, 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령은, 상기 열적 안정성 판단 결과 데이터를 데이터베이스에 저장하도록 하는 명령을 더 포함할 수 있다.
또한, 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령은, 상기 데이터베이스의 저장된 적어도 하나의 결과 데이터를 이용하여 상기 학습 모델을 재학습 시키도록 하는 명령을 더 포함할 수 있다.
한편, 상기 대상 물질은 유기 발광 소자(Organic Light Emitting Diode, OLED)의 유기 박막층에 적용될 수 있다.
한편, 프로세서(200)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다.
프로세서(200)는 앞서 설명한 바와 같이, 메모리(100)에 저장된 적어도 하나의 프로그램 명령(program command)을 실행할 수 있다.
이상 본 발명의 실시예에 따른 열적 안정성 판단 장치를 설명하였다. 이하에서는 상기 열적 안정성 판단 장치 내 프로세서의 동작에 의해 수행되는 열적 안정성 판단 방법에 대해 설명하겠다.
도 2는 본 발명의 실시예에 따른 열적 안정성 판단 장치의 프로세서 동작에 의해 수행되는 열적 안정성 판단 방법의 순서도이다.
도 2를 참조하면, 본 발명의 실시예에 따른 열적 안정성 판단 장치는 대상 물질의 입자 정보를 획득할 수 있다(S1000). 예를 들어, 대상 물질은, 유기 발광 소자(OLED)의 다층 유기 박막층에 적용되는 유기 물질일 수 있다. 예를 들어, 안트라센 유도체(Anthracene derivatives)일 수 있다.
도 3은 본 발명의 실시예에 따른 대상 물질의 입자 정보를 설명하기 위한 분자 구조 이미지이다.
도 3을 참조하면, 열적 안정성 판단 장치는 사용자로부터 대상 물질을 구성하는 입자 정보를 획득할 수 있다.
입자 정보는 원자 정보 또는 분자 정보를 포함할 수 있다. 다시 말해, 입자 정보는 열적 안정성 여부를 판단하고자 하는 대상 물질에 따라 원자 정보 또는 분자 정보로 제공될 수 있다. 예를 들어, 대상 물질이 유기 물질일 경우, 사용자는 열적 안정성 판단 장치에 유기 물질의 분자 정보를 입력할 수 있다.
실시예에 따르면, 입자 정보는 대상 물질을 이루는 코어 성분(core moiety, C) 및 상기 코어 성분과 결합하여 적어도 하나의 유도체(Derivatives)로 치환 가능한 적어도 하나의 작용기(Functional Group, a, a', b, b')를 포함할 수 있다. 예를 들어, 대상 물질의 코어(Core)는 안트라센(Anthracene) 분자일 수 있으며, 적어도 하나의 작용기는 벤젠(Benzene), 나프탈렌(Naphthalene), 페난트렌(Phenanthrene), 디벤조퓨란(Dibenzofuran), 크리센(Chrysene), 피렌(Pyrene), 플루오렌(Fluorene), 벤조 테트라펜(Benzo Tetraphene) 및 벤조(a)피렌(Benzo(a)pyrene) 중 적어도 하나일 수 있으나, 개시된 바에 국한되지는 않는다.
이때, 복수의 작용기는 화학적 결합에 의해 확장된 상태(a, a', a", …)(b, b', b", …)로 제공될 수 있다. 이때, 복수의 작용기는 구조와 상관 없이 서로 같거나 다른 구조의 분자가 연결되어 제공될 수 있다.
일 실시예에 따르면, 화학적 결합에 참여하는 작용기는 전자가 풍부한 작용기(Electron-rich Groups) 또는 전자가 부족한 작용기(Electron-deficient Groups)일 수 있다.
다른 실시예에 따르면, 화학적 결합에 참여하는 작용기는 전자 공여체(Electron Donor) 또는 전자 수용체(Electron Acceptor) 역할을 하는 분자로 제공될 수 있다.
다시 도 2를 참조하면, 열적 안정성 판단 장치는 입자 정보를 이용하여 분자 구조를 획득할 수 있다(S3000).
실시예에 따라 보다 구체적으로 설명하면, 열적 안정성 판단 장치는 적어도 하나의 입자 정보를 이용하여, 에너지가 최적화되는 분자 구조를 획득할 수 있다. 예를 들어, 열적 안정성 판단 장치는 상기 입자 정보를 기초로, 제일원리(First Principles), 반경험적(Semi-empirical) 또는 경험적(Empirical) 방법 중 어느 하나의 방법을 이용하여, 에너지가 최적화된 어느 하나의 분자 구조를 획득할 수 있다. 여기서, 에너지가 최적화되는 분자 구조는, 바닥 상태에 가까운 최소 에너지를 갖는 안정화된 분자 구조로 정의될 수 있다.
다시 말해, 열적 안정성 판단 장치는 적어도 하나의 입자 정보를 바탕으로 생성 가능한 적어도 하나의 유도체를 생성할 수 있다. 일 실시예에 따르면, 열적 안정성 판단 장치는 코어 성분에 적어도 하나의 작용기를 추가하여 적어도 하나의 유도체를 생성할 수 있다.
다른 실시예에 따르면, 열적 안정성 판단 장치는 코어 성분에 위치한 적어도 하나의 작용기를 변경하여 적어도 하나의 유도체를 생성할 수 있다.
또다른 실시예에 따르면, 열적 안정성 판단 장치는 코어 성분에 위치한 적어도 하나의 작용기를 제거하여 적어도 하나의 유도체를 생성할 수 있다.
또다른 실시예에 따르면, 열적 안정성 판단 장치는 코어 성분에 위치한 적어도 하나의 작용기의 화학적 결합 위치를 변경하여 적어도 하나의 유도체를 생성할 수 있다.
이후, 열적 안정성 판단 장치는 획득한 적어도 하나의 유도체 중 에너지가 최적화되는 유도체의 분자 구조를 선정할 수 있다.
이후, 열적 안정성 판단 장치는 선정한 분자 구조로부터 구조 정보를 획득할 수 있다(S5000).
실시예에 따르면, 구조 정보는 회전 반지름(Radius of Gyration, Rg) 및 비구형도(Asphericity, As)을 포함할 수 있다.
도 4는 본 발명의 실시예에 따른 열적 안정성 판단 방법 중 구조 정보를 획득하는 단계를 설명하기 위한 순서도이다.
도 4를 참조하면, 상기 열적 안정성 판단 장치는 분자 구조로부터 회전 텐서(Gyration Tensor)를 산출할 수 있다(S5100).
여기서, 회전 텐서는 좌표 공간 내에서 어느 하나의 대상 물질의 위치, 방향, 모양, 이동 및 그 변환 등을 수학적으로 나타내는 물리량일 수 있다.
실시예에 따르면, 회전 텐서는 하기 [수학식 1]과 같이, 원자의 질량 및 위치 벡터로 표현될 수 있다.
Figure PCTKR2023010805-appb-img-000001
G: 회전 텐서
gij: 원자의 질량
ai, aj: 위치 벡터
이후, 열적 안정성 판단 장치는 회전 텐서를 하기 [수학식 2]와 같이, 행렬 형태로 변환할 수 있다.
Figure PCTKR2023010805-appb-img-000002
G: 행렬화된 회전 텐서
이후, 열적 안정성 판단 장치는 회전 텐서로부터 회전 반지름 및 비구형도를 포함하는 구조 정보를 산출할 수 있다(S5500).
보다 구체적으로 설명하면, 행렬화된 회전 텐서는, 하기 [수학식 3]과 같이, 대각화(Diagonalization)가 가능할 수 있다.
Figure PCTKR2023010805-appb-img-000003
Gdiag : 대각화된 회전 텐서
L1, L2, L3: 회전 텐서의 고유치
이에 따라, 열적 안정성 판단 장치는 행렬화된 회전 텐서로부터 고유 벡터(Eigen vectors)의 고유치(Eigen values, L1, L2, L3)를 산출할 수 있다(S5510).
이후, 열적 안정성 판단 장치는 [수학식 4] 및 [수학식 5]와 같이, 회전 텐서의 고유치(L1, L2, L3)를 이용하여, 회전 반지름을 산출할 수 있다(S5530).
Figure PCTKR2023010805-appb-img-000004
Figure PCTKR2023010805-appb-img-000005
: 회전 반지름
L1, L2, L3: 회전 텐서의 고유치
Figure PCTKR2023010805-appb-img-000006
L1, L2, L3: 회전 텐서의 고유치
또한, 열적 안정성 판단 장치는 하기 [수학식 6]과 같이, 회전 텐서의 고유치(L1, L2, L3)를 이용하여, 비구형도(As)를 산출할 수 있다(S5550).
Figure PCTKR2023010805-appb-img-000007
As: 비구형도
다시 도 2를 참조하면, 열적 안정성 판단 장치는 상기 구조 정보를 바탕으로 상기 대상 물질의 열적 안정성을 판단할 수 있다(S7000).
일 실시예에 따르면, 열적 안정성 판단 장치는 상기 구조 정보를 임계 값과 비교하여, 상기 대상 물질의 열적 안정성을 판단할 수 있다.
보다 구체적으로 설명하면, 열적 안정성 판단 장치는 회전 반지름이 제1 임계 값 이하이고, 비구형도가 제2 임계 값 이하일 경우 상기 대상 물질의 열적 안정성을 판단할 수 있다.
다른 실시예에 따르면, 열적 안정성 판단 장치는 기학습된 학습 모델에 상기 구조 정보를 입력하여, 상기 대상 물질의 열적 안정성을 판단할 수 있다.
도 5는 본 발명의 실시예에 따른 열적 안정성 판단 방법 중 기학습된 학습 모델을 이용하여 열적 안정성을 판단하는 방법을 설명하기 위한 순서도이다.
도 5를 참조하면, 앞서 설명한 바와 같이, 열적 안정성 판단 장치는 기학습된 학습 모델에 상기 구조 정보를 입력하여, 상기 대상 물질의 열적 안정성을 판단할 수 있다(S7100).
보다 구체적으로 설명하면, 열적 안정성 판단 장치는 기학습된 학습 모델에 대상 물질의 회전 반지름 및 비구형도 중 적어도 하나를 입력하여, 상기 대상 물질의 열적 안정성 여부를 출력할 수 있다. 예를 들어, 열적 안정성 판단 장치는 기학습된 학습 모델에 상기 회전 반지름 및 비구형도 모두 입력하여 열적 안정성 여부를 출력할 수 있다.
여기서, 기학습된 학습 모델은 열적 안정성 실험에 따른 적어도 하나의 실험 데이터를 학습 데이터로 이용하여 기계 학습(Machine Learning)된 모델일 수 있다.
이후, 열적 안정성 판단 장치는 기학습된 학습 모델로부터 획득한 적어도 하나의 결과 데이터를 별도의 데이터베이스에 저장하여, 상기 결과 데이터를 바탕으로 학습 모델을 갱신시킬 수 있다(S7500).
도 6은 본 발명의 비교예에 따른 열적 안정성 실험을 위한 유기 박막 증착 이미지이다.
도 6을 참조하면, 열적 안정성 실험에서는 우선, 상기 대상 물질을 기판 상에 코팅하여 박막화 할 수 있다. 예를 들어, 증착 공정 또는 용액 공정에 의해 대상 물질을 기판 상에 코팅하여 박막화 할 수 있다.
여기서, 기판은 상부에 위치한 일부 영역(A)을 둘러쌓는 격벽(C)를 포함할 수 있다. 이에 따라, 열적 안정성 실험에서는 상기 대상 물질을 상기 일부 영역(A)에만 코팅하여 박막화 할 수 있다.
여기서, 격벽(C)는 기판 내 일부 영역(A)과 이를 제외한 외곽 영역(B)을 물리적으로 분리하여 구분하는 구성으로, 대상 물질이 두 영역 사이를 확산하여 침범할 수는 없으나, 고온에 의한 증발 또는 비산에 따라, 대상 물질이 코팅되지 않은 외곽 영역에서 대상 물질의 성분이 검출될 수 있다.
이에 따라, 열적 안정성 실험에서는, 일부 영역(A)에 대상 물질이 한정적으로 코팅된 박막의 온도를 단계적으로 상승시켜, 증발 또는 비산 현상에 따라, 상기 일부 영역을 제외한 다른 영역에서 대상 물질이 검출되는지의 여부를 확인하는 방식으로 진행될 수 있다. 다시 말해, 열적 안정성 실험을 통해서는 온도에 따른 증발 또는 비산 현상 발생 여부를 기준하여 열적 안정성의 유무를 판단할 수 있다.
이에 따라, 학습 모델은 열적 안정성 실험 결과에 의해 열적 안정성의 유무가 판정된 적어도 하나의 대상 물질을 바탕으로, 해당 대상 물질의 구조 정보 및 실험 결과를 학습 데이터로 이용하여 학습된 모델일 수 있다. 여기서, 구조 정보는, 앞서 설명한 바와 같이, 대상 물질의 회전 반지름 및 비구형도 중 적어도 하나를 포함할 수 있다.
이상 본 발명의 실시예에 따른 열적 안정성 판단 장치 및 방법을 설명하였다.
이하에서는 본 발명의 실험예들에 따른 열적 안정성 판단 장치의 검증 실험에 대해 설명하겠다.
열적 안정성 판단 장치의 제1 검증 실험
앞서 설명된 학습 모델의 학습을 위한 열적 안정성 실험을 이용하여 본 발명의 실시예에 따른 열적 안정성 판단 장치를 검증하였다.
보다 구체적으로, 상기 열적 안정성 판단 장치의 검증을 위해, 코어 성분 및 작용기로 이루어진 적어도 하나의 대상 물질을 준비하였다. 이때, 적어도 하나의 대상 물질들은 유도체들일 수 있다.
이후, 도 6에 따른 열적 안정성 실험과 같이, 대상 물질 각각을 코팅한 복수의 박막들을 제조하였다.
이후, 박막들의 온도를 145℃ 이하의 저온, 150℃에서의 중온, 160℃ 이상의 고온으로 단계적으로 높이면서, 각 박막 내 외곽 영역에 해당 대상 물질이 검출되는지 검사하였다.
이후, 해당 대상 물질들 각각의 회전 반지름 및 비구형도를 산출하였다.
도 7은 본 발명의 제1 실험예에 따라, 복수의 대상 물질들 각각의 회전 반지름 및 비구형도에 따른 온도별 열적 안정성 실험 결과 그래프이다.
도 6 및 도 7을 참조하면, 실험 결과, 박막의 온도가 150℃ 이상일 때, 각 기판 상의 외곽 영역(B)에서 검출된 대상 물질들이, x축이 회전 반지름 정보를 나타내고, y축이 비구형도 정보를 나타내는, 도 7의 그래프 상의 제1 영역(①)에 밀집해 있는 것을 확인할 수 있다.
또한, 박막의 온도가 145℃ 이하일 때, 각 기판 상의 외곽 영역(B)에서 검출된 대상 물질들이, 도 7의 그래프 상의 제2 영역(②)에 밀집해 있는 것을 확인할 수 있다.
따라서, 대상 물질의 회전 반지름 및 비구형도 정보로부터 열적 안정성 판단이 가능함을 확인할 수 있다.
일 실시예에 따르면, 도 7의 그래프 상의 제1 영역(①)과 같이, 대상 물질의 회전 반지름이 제1 임계 값을 초과하고, 비구형도가 제2 임계 값을 초과할 경우, 열적 안정성이 높음을 확인할 수 있다.
다른 실시예에 따르면, 도 7의 그래프 상의 제2 영역(②)과 같이, 대상 물질의 회전 반지름이 제1 임계 값 이하이고, 비구형도가 제2 임계 값 이하일 경우, 열적 안정성이 낮음을 확인할 수 있다.
열적 안정성 판단 장치의 제2 검증 실험
열적 안정성 실험을 위해, 코어 성분이 안트라센(Anthracene) 분자이고, 작용기로 벤젠, 나프탈렌 및 디벤조퓨란 입자 정보를 포함하는 복수의 안트라센 유도체들을 준비하였다.
보다 구체적으로, 복수의 안트라센 유도체들은 2가의 안트라센(Anthracene) 코어 분자에, 2가의 페닐렌기, 2가의 나프탈렌기 및 1가의 디벤조퓨라닐기가 서로 다른 위치에 연결된 3가지 유도체들을 준비하였다.
이후, 제1 검증 실험과 같이, 상기 유도체들을 대상 물질하는 개별 박막을 제조하여, 박막들의 온도를 145℃ 이하의 저온, 150℃에서의 중온, 160℃ 이상의 고온으로 단계적으로 높이면서, 각 박막 내 외곽 영역에 해당 대상 물질이 검출되는지 검사하였다.
이후, 해당 대상 물질들 각각의 회전 반지름 및 비구형도를 산출하였다.
도 8은 본 발명의 제2 실험예에 따른 열적 안정성 검증을 위한 대상 물질의 입자 정보들의 결합 위치 정보를 나타낸 이미지이고, 도 9는 작용기의 결합 위치 조정에 따른 대상 물질들의 열적 안정성 실험 결과를 나타낸 이미지이다.
도 8 및 도 9를 참조하면, 대상 물질들은 벤젠, 나프탈렌 및 디벤조퓨란 분자의 결합 위치가 서로 다르게 연결된 제1 내지 제3 유도체로 제공된다.
여기서, 제1 유도체는 코어 성분인 안트라센 분자를 기준으로, 상기 안트라센 분자의 1번과 디벤조퓨란 분자의 3번이 결합되고, 상기 안트라센 분자의 2번과 나프탈렌 분자의 1번이 벤젠의 Para 위치로 결합된 유도체이다.
또한, 제2 유도체는 코어 성분인 안트라센 분자를 기준으로, 상기 안트라센 분자의 1번과 디벤조퓨란 분자의 2번이 결합되고, 상기 안트라센 분자의 2번과 나프탈렌 분자의 1번이 벤젠의 Para 위치로 결합된 유도체이다.
그리고, 제3 유도체는 코어 성분인 안트라센 분자를 기준으로, 상기 안트라센 분자의 1번과 디벤조퓨란 분자의 3번이 결합되고, 상기 안트라센 분자의 2번과 나프탈렌 분자의 2번이 벤젠의 Para 위치로 결합된 유도체이다.
다시 말해, 제1 유도체 및 제2 유도체는 코어 성분인 안트라센 분자와 작용기인 디벤조퓨란 분자의 결합 위치가 서로 다르게 제공된다.
또한, 제1 유도체 및 제3 유도체는 코어 성분인 안트라센 분자와 연결된 벤젠과 작용기인 나프탈렌 분자의 결합 위치가 서로 다르게 제공된다.
그리고, 제2 유도체 및 제3 유도체는 코어 성분인 안트라센 분자와 연결된 작용기인 디벤조퓨란 및 나프탈렌 분자의 결합 위치가 서로 다르게 제공된다.
또한, 열적 안정성 실험을 통해, 제1 유도체는 145℃ 이하에서 증발 또는 비산이 일어났음을 확인하여, 열적 안정성이 낮은 것(NG)으로 확인되었다.
한편, 제2 유도체 및 제3 유도체는 165℃ 및 150℃ 이상에서 증발 또는 비산이 각각 일어났음을 확인하여, 열적 안정성이 높은 것(OK)으로 확인되었다.
다시 말해, 본 발명의 제2 실험을 통해, 작용기의 결합 위치만 변경시킬 경우에도 열적 안정성이 향상될 수 있음을 확인할 수 있다.
따라서, 본 발명의 실시예에 따른 열적 안정성 판단 장치 및 방법은 대상 물질의 입자 정보를 획득하고, 적어도 하나의 분자들의 결합 위치들에 따른 회전 반지름 및 비구형도를 측정함으로써, 별도의 실험을 진행하지 않고도, 대상 물질의 열적 안정성을 판단할 수 있다.
이에 따라, 상기 열적 안정성 판단 장치 및 방법은 대상 물질의 분자 성분들의 결합 위치 및 결합 구조의 조정 및 이에 따른 열적 안정성 검사가 용이하여 열적 안정성을 갖는 대상 물질의 분자 구조를 설계하기 위한 기술에도 유용하게 사용될 수 있다.
또한, 예를 들어, 상기 열적 안정성 판단 장치 및 방법은 유기 발광 소자(OLED)를 포함하는 어느 하나의 전자 기기에 적용되어, 상기 유기 발광 소자의 유기 박막층 내 대상 물질의 열적 안정성을 검사함으로써, 상기 전자 기기의 품질 이상 발생 시 원인을 규명하거나, 수명을 모니터링하는 장치와 결합되어 사용될 수 있다.
도 10은 본 발명의 제2 실험예에 따른 복수의 유기체의 회전 반지름에 따른 열적 안정성 분포 그래프이고, 도 11은 복수의 유기체의 비구형도에 따른 열적 안정성 분포 그래프이다.
도 10 내지 도 11을 참조하면, 본 발명의 제2 실험예에 따라 제1 내지 제3 유도체를 대상으로 회전 반지름에 따른 열적 안정성 분포 및 비구형도에 따른 열적 안정성 분포를 측정하였다.
제1 내지 제3 유도체들의 제2 실험 결과를 회전 반지름에 대한 열적 안정성 분포로 해석한 결과, 제1 내지 제3 유도체들 중 열적 안정성이 낮은 것은 명확히 구분되나 고온에서의 열적 안정성은 명확히 구분하기 어려움을 확인할 수 있다.
또한, 제1 내지 제3 유도체들의 제2 실험 결과를 비구형도에 대한 열적 안정성 분포로 해석한 결과, 고온 영역에서 제1 내지 제3 유도체들의 열적 안정성이 명확히 구분되기 어려움을 확인할 수 있다.
다시 말해, 본 발명의 실시예에 따른 열적 안정성 판단 장치 및 방법은 대상 물질의 입자 정보로부터 구조 정보로 회전 반지름 및 비구형도 정보를 모두 반영함으로써, 정확도가 향상된 열적 안정성 판단 장치 및 방법을 제공할 수 있다.
이상 본 발명의 실시예 및 실험예들에 따른 열적 안정성 판단 장치 및 방법에 대해 설명하였다.
본 발명의 실시예 및 실험예들에 따른 열적 안정성 판단 장치 및 방법은, 대상 물질을 구성하는 입자 정보를 입력하여 분자 구조를 획득하고, 분자 구조로부터 구조 정보를 획득하며, 상기 구조 정보를 이용하여 대상 물질의 열적 안정성을 판단함으로써, 별도의 실험 없이 대상 물질의 열적 안정성을 용이하게 판단할 수 있으며, 신규 분자 설계 및 후보 물질의 고속 선별이 가능하여 고속, 고정확 및 저비용의 기대 효과를 제공할 수 있다.
본 발명의 실시예 및 실험예에 따른 방법의 동작은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 프로그램 또는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산 방식으로 컴퓨터로 읽을 수 있는 프로그램 또는 코드가 저장되고 실행될 수 있다.
또한, 컴퓨터가 읽을 수 있는 기록매체는 롬(rom), 램(ram), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다. 프로그램 명령은 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다.
본 발명의 일부 측면들은 장치의 문맥에서 설명되었으나, 그것은 상응하는 방법에 따른 설명 또한 나타낼 수 있고, 여기서 블록 또는 장치는 방법 단계 또는 방법 단계의 특징에 상응한다. 유사하게, 방법의 문맥에서 설명된 측면들은 또한 상응하는 블록 또는 아이템 또는 상응하는 장치의 특징으로 나타낼 수 있다. 방법 단계들의 몇몇 또는 전부는 예를 들어, 마이크로프로세서, 프로그램 가능한 컴퓨터 또는 전자 회로와 같은 하드웨어 장치에 의해(또는 이용하여) 수행될 수 있다. 몇몇의 실시예에서, 가장 중요한 방법 단계들의 하나 이상은 이와 같은 장치에 의해 수행될 수 있다.
이상 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (32)

  1. 대상 물질에 대한 열적 안정성을 판단하는 장치로,
    메모리; 및
    상기 메모리 내 적어도 하나의 명령을 실행하는 프로세서를 포함하고,
    상기 적어도 하나의 명령은,
    대상 물질을 구성하는 입자 정보를 획득하도록 하는 명령,
    상기 입자 정보를 이용하여 분자 구조를 획득하도록 하는 명령,
    상기 분자 구조로부터 구조 정보를 획득하도록 하는 명령, 및
    상기 구조 정보를 이용하여 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령을 포함하는, 열적 안정성 판단 장치.
  2. 청구항 1에 있어서,
    상기 입자 정보를 이용하여 분자 구조를 획득하도록 하는 명령은,
    상기 입자 정보를 이용하여 에너지가 최적화되는 분자 구조를 획득하도록 하는 명령을 포함하는, 열적 안정성 판단 장치.
  3. 청구항 2에 있어서,
    상기 분자 구조를 획득하도록 하는 명령은,
    상기 입자 정보를 기초로, 제일원리(First Principles), 반경험적(Semi-empirical) 또는 경험적(Empirical) 방법 중 어느 하나를 이용하여 에너지가 최적화되는 분자 구조를 획득하도록 하는 명령을 포함하는, 열적 안정성 판단 장치.
  4. 청구항 1에 있어서,
    상기 입자 정보는,
    상기 대상 물질의 원자 정보 및 분자 정보를 포함하는, 열적 안정성 판단 장치.
  5. 청구항 1에 있어서,
    상기 입자 정보는,
    상기 대상 물질을 이루는 코어 성분(core moiety) 및 상기 코어 성분과 결합하여 적어도 하나의 유도체로 치환 가능한 적어도 하나의 작용기(Functional Group)를 포함하는, 열적 안정성 판단 장치.
  6. 청구항 1에 있어서,
    상기 구조 정보는,
    회전 반지름(Radius of Gyration, Rg) 및 비구형도(Asphericity, As) 중 적어도 하나를 포함하는, 열적 안정성 판단 장치.
  7. 청구항 1에 있어서,
    상기 분자 구조로부터 구조 정보를 획득하도록 하는 명령은,
    상기 분자 구조로부터 회전 텐서(Gyration Tensor)를 산출하도록 하는 명령, 및
    상기 회전 텐서로부터 회전 반지름 및 비구형도 중 적어도 하나를 포함하는 상기 구조 정보를 산출하도록 하는 명령을 포함하는 열적 안정성 판단 장치.
  8. 청구항 7에 있어서,
    상기 회전 텐서는,
    원자의 질량 및 위치 벡터로 구성된 행렬인, 열적 안정성 판단 장치.
  9. 청구항 8에 있어서,
    상기 구조 정보를 산출하도록 하는 명령은,
    상기 회전 텐서를 대각화(Diagonalization)하여 고유치(L1, L2, L3, Eigenvalues)로 표현하도록 하는 명령,
    상기 회전 텐서의 고유치를 이용하여 상기 회전 반지름을 산출하도록 하는 명령, 및
    상기 회전 텐서의 고유치를 이용하여 상기 비구형도를 산출하도록 하는 명령을 포함하는 열적 안정성 판단 장치.
  10. 청구항 1에 있어서,
    상기 대상 물질의 열적 안정성을 판단하도록 하는 명령은,
    상기 구조 정보를 임계 값과 비교하여, 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령을 포함하는, 열적 안정성 판단 장치.
  11. 청구항 10에 있어서,
    상기 대상 물질의 열적 안정성을 판단하도록 하는 명령은,
    회전 반지름 및 비구형도가 각각 제1 임계 값 및 제2 임계 값을 초과할 경우, 상기 대상 물질의 열적 안정성이 높음을 판단하도록 하는 명령; 및
    상기 회전 반지름 및 상기 비구형도가 각각 상기 제1 임계 값 및 상기 제2 임계 값 이하일 경우, 상기 대상 물질의 열적 안정성이 낮음을 판단하도록 하는 명령을 포함하는, 열적 안정성 판단 장치.
  12. 청구항 1에 있어서,
    상기 대상 물질의 열적 안정성을 판단하도록 하는 명령은,
    기학습된 학습 모델에 상기 구조 정보를 입력하여, 상기 대상 물질의 열적 안정성을 판단하도록 하는 명령을 포함하는, 열적 안정성 판단 장치.
  13. 청구항 12에 있어서,
    상기 기학습된 학습 모델은,
    열적 안정성 실험에 따른 적어도 하나의 실험 데이터를 학습 데이터로 이용하여 기계 학습(Machine Learning)된 모델인, 열적 안정성 판단 장치.
  14. 청구항 12에 있어서,
    상기 대상 물질의 열적 안정성을 판단하도록 하는 명령은,
    상기 열적 안정성 판단 결과 데이터를 데이터베이스에 저장하도록 하는 명령을 더 포함하는, 열적 안정성 판단 장치.
  15. 청구항 14에 있어서,
    상기 대상 물질의 열적 안정성을 판단하도록 하는 명령은,
    상기 데이터베이스의 저장된 적어도 하나의 결과 데이터를 이용하여 상기 학습 모델을 재학습 시키도록 하는 명령을 더 포함하는, 열적 안정성 판단 장치.
  16. 청구항 1에 있어서,
    상기 대상 물질은,
    유기 발광 소자(Organic Light Emitting Diode, OLED)의 유기 박막층에 적용되는, 열적 안정성 판단 장치.
  17. 대상 물질에 대한 열적 안정성을 판단하는 방법으로,
    대상 물질을 구성하는 입자 정보를 획득하는 단계;
    상기 입자 정보를 이용하여 분자 구조를 획득하는 단계;
    상기 분자 구조로부터 구조 정보를 획득하는 단계; 및
    상기 구조 정보를 이용하여, 상기 대상 물질의 열적 안정성을 판단하는 단계를 포함하는, 열적 안정성 판단 방법.
  18. 청구항 17에 있어서,
    상기 입자 정보를 이용하여 분자 구조를 획득하는 단계는,
    상기 입자 정보를 이용하여 에너지가 최적화되는 분자 구조를 획득하는 단계를 포함하는, 열적 안정성 판단 방법.
  19. 청구항 18에 있어서,
    상기 분자 구조를 획득하는 단계는,
    상기 입자 정보를 기초로, 제일원리(First Principles), 반경험적(Semi-empirical) 또는 경험적(Empirical) 방법 중 어느 하나를 이용하여 에너지가 최적화되는 분자 구조를 획득하는 단계를 포함하는, 열적 안정성 판단 방법.
  20. 청구항 17에 있어서,
    상기 입자 정보는,
    상기 대상 물질의 원자 정보 및 분자 정보를 포함하는, 열적 안정성 판단 방법.
  21. 청구항 17에 있어서,
    상기 입자 정보는,
    상기 대상 물질을 이루는 코어 성분(core moiety) 및 상기 코어 성분과 결합하여 적어도 하나의 유도체로 치환 가능한 적어도 하나의 작용기(Functional Group)를 포함하는, 열적 안정성 판단 방법.
  22. 청구항 17에 있어서,
    상기 구조 정보는,
    회전 반지름(Radius of Gyration, Rg) 및 비구형도(Asphericity, As) 중 적어도 하나를 포함하는, 열적 안정성 판단 방법.
  23. 청구항 17에 있어서,
    상기 분자 구조로부터 구조 정보를 획득하는 단계는,
    상기 분자 구조 정보로부터 회전 텐서(Gyration Tensor)를 산출하는 단계; 및
    상기 회전 텐서로부터 회전 반지름 및 비구형도 중 적어도 하나를 포함하는 상기 구조 정보를 산출하는 단계를 포함하는 열적 안정성 판단 방법.
  24. 청구항 23에 있어서,
    상기 회전 텐서는,
    원자의 질량 및 위치 벡터로 구성된 행렬인, 열적 안정성 판단 방법.
  25. 청구항 24에 있어서,
    상기 구조 정보를 산출하는 단계는,
    상기 회전 텐서를 대각화(Diagonalization)하여 고유치(L1, L2, L3, Eigenvalues)로 표현하는 단계;
    상기 회전 텐서의 고유치를 이용하여 상기 회전 반지름을 산출하는 단계; 및
    상기 회전 텐서의 고유치를 이용하여 상기 비구형도를 산출하는 단계를 포함하는 열적 안정성 판단 방법.
  26. 청구항 17에 있어서,
    상기 대상 물질의 열적 안정성을 판단하는 단계는,
    상기 구조 정보를 임계 값과 비교하여, 상기 대상 물질의 열적 안정성을 판단하는 단계를 포함하는, 열적 안정성 판단 방법.
  27. 청구항 26에 있어서,
    상기 대상 물질의 열적 안정성을 판단하는 단계는,
    회전 반지름 및 비구형도가 각각 제1 임계 값 및 제2 임계 값을 초과할 경우, 상기 대상 물질의 열적 안정성이 높음을 판단하는 단계; 및
    상기 회전 반지름 및 상기 비구형도가 각각 상기 제1 임계 값 및 상기 제2 임계 값 이하일 경우, 상기 대상 물질의 열적 안정성이 낮음을 판단하는 단계를 포함하는, 열적 안정성 판단 방법.
  28. 청구항 17에 있어서,
    상기 대상 물질의 열적 안정성을 판단하는 단계는,
    기학습된 학습 모델에 상기 구조 정보를 입력하여, 상기 대상 물질의 열적 안정성을 판단하는 단계를 포함하는, 열적 안정성 판단 방법.
  29. 청구항 28에 있어서,
    상기 기학습된 학습 모델은,
    열적 안정성 실험에 따른 적어도 하나의 실험 데이터를 학습 데이터로 이용하여 기계 학습(Machine Learning)된 모델인, 열적 안정성 판단 방법.
  30. 청구항 28에 있어서,
    상기 대상 물질의 열적 안정성을 판단하는 단계는,
    상기 열적 안정성 판단 결과 데이터를 데이터베이스에 저장하는 단계를 더 포함하는, 열적 안정성 판단 방법.
  31. 청구항 30에 있어서,
    상기 대상 물질의 열적 안정성을 판단하는 단계는,
    상기 데이터베이스의 저장된 적어도 하나의 결과 데이터를 이용하여 상기 학습 모델을 재학습 시키는 단계를 더 포함하는, 열적 안정성 판단 방법.
  32. 청구항 17에 있어서,
    상기 대상 물질은,
    유기 발광 소자(Organic Light Emitting Diode, OLED)의 유기 박막층에 적용되는, 열적 안정성 판단 방법.
PCT/KR2023/010805 2022-10-17 2023-07-26 열적 안정성 판단 장치 및 방법 WO2024085373A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2022-0133170 2022-10-17
KR1020220133170A KR20240053272A (ko) 2022-10-17 2022-10-17 열적 안정성 판단 장치 및 방법

Publications (1)

Publication Number Publication Date
WO2024085373A1 true WO2024085373A1 (ko) 2024-04-25

Family

ID=90737685

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/010805 WO2024085373A1 (ko) 2022-10-17 2023-07-26 열적 안정성 판단 장치 및 방법

Country Status (2)

Country Link
KR (1) KR20240053272A (ko)
WO (1) WO2024085373A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004028782A (ja) * 2002-06-25 2004-01-29 Hitachi Ltd 質量分析データの解析方法および質量分析データの解析装置および質量分析データの解析プログラムならびにソリューション提供システム
KR20190129522A (ko) * 2018-05-11 2019-11-20 한국과학기술연구원 딥러닝 기반의 촉매 설계 방법 및 그 시스템
CN111785332A (zh) * 2019-04-04 2020-10-16 应急管理部化学品登记中心 基于遗传算法的化学物质热稳定性的预测方法
KR102284532B1 (ko) * 2021-01-11 2021-08-03 주식회사 스탠다임 분자 활성도 예측 방법 및 이를 위한 장치

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220055059A (ko) 2020-10-26 2022-05-03 주식회사 에스제이컴퍼니 Oled 테스트 디바이스

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004028782A (ja) * 2002-06-25 2004-01-29 Hitachi Ltd 質量分析データの解析方法および質量分析データの解析装置および質量分析データの解析プログラムならびにソリューション提供システム
KR20190129522A (ko) * 2018-05-11 2019-11-20 한국과학기술연구원 딥러닝 기반의 촉매 설계 방법 및 그 시스템
CN111785332A (zh) * 2019-04-04 2020-10-16 应急管理部化学品登记中心 基于遗传算法的化学物质热稳定性的预测方法
KR102284532B1 (ko) * 2021-01-11 2021-08-03 주식회사 스탠다임 분자 활성도 예측 방법 및 이를 위한 장치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Y. ZHAO: "Data-driven machine learning models for quick prediction of thermal stability properties of OLED materials", MATERIALS TODAY CHEMISTRY, vol. 22, 1 December 2021 (2021-12-01), pages 100625, XP093160365, ISSN: 2468-5194, DOI: 10.1016/j.mtchem.2021.100625 *

Also Published As

Publication number Publication date
KR20240053272A (ko) 2024-04-24

Similar Documents

Publication Publication Date Title
WO2020226316A1 (en) Transfer apparatus and method of manufacturing micro led display using the same
WO2016021896A1 (en) Gamma setting system of display device and gamma setting method thereof
WO2021157786A1 (ko) 표시 장치
WO2021020655A1 (ko) 표시 장치 및 그것의 제조 방법
WO2021101069A1 (ko) 기계 학습 모델을 이용한 반도체 소자 테스트 장치 및 방법
WO2017014336A1 (ko) 비선형 성분이 보상된 온도 센서 회로 및 온도 센서 회로의 보상 방법
WO2015137641A2 (ko) 계층적인 룰 구조를 가지고 있는 비즈니스 룰 관리 시스템 및 그 표현 방법
WO2019135475A1 (en) Electronic apparatus and control method thereof
WO2016099067A1 (ko) 유기발광소자
WO2024085373A1 (ko) 열적 안정성 판단 장치 및 방법
WO2022119010A1 (ko) 플라즈마 공정의 모니터링 장치 및 방법, 및 이 모니터링 방법을 이용한 기판 처리 방법
WO2020091253A1 (ko) 전자 장치 및 전자 장치의 제어 방법
WO2022234892A1 (ko) 검출 유니트 및 이를 구비하는 반도체 필름층 검사 장치 및 이를 이용한 검사 방법
WO2020105914A1 (en) Led transfer device and micro led transferring method using the same
WO2011068315A2 (ko) 최대 개념강도 인지기법을 이용한 최적의 데이터베이스 선택장치 및 그 방법
WO2023229094A1 (ko) 행동 예측 방법 및 장치
WO2020222347A1 (ko) 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치
WO2024117539A1 (ko) 장애물을 고려한 드론의 최적 경로 계획 장치 및 방법
WO2023163405A1 (ko) 신용평가 모델 업데이트 또는 교체 방법 및 장치
WO2015167227A1 (ko) 유기발광 표시장치의 휘도 편차 보상장치 및 보상방법
WO2021194089A1 (ko) 회로 블록의 그래픽 사용자 인터페이스를 변경하는 방법 및 회로 블록의 그래픽 사용자 인터페이스 변경하는 방법에 따른 각각의 단계를 수행하는 명령어를 포함하는 프로그램이 기록된 컴퓨터 판독 가능 저장 매체
WO2015009046A1 (ko) 배타적 분자 오비탈 분포를 갖는 분자 오비탈 라이브러리 및 이를 이용한 분자 오비탈 분포 영역 평가 방법 및 이를 이용한 시스템
WO2020231213A1 (ko) 유기발광소자용 재료의 선별방법
WO2021125574A1 (ko) 표시장치 및 이의 제조방법
WO2020101273A1 (en) Led transfer device comprising mask and micro led transferring method using the same

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23879956

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023879956

Country of ref document: EP

Ref document number: 23 879 956.3

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2023879956

Country of ref document: EP

Effective date: 20240625