🔬 materials science

Machine Learning-Accelerated Band-Edge Engineering of Pnictogen Chalcohalide Solid Solutions for Solar Energy Technologies

이 연구는 머신러닝을 제일 원리 계산과 결합하여 전체 조성 범위와 표면 종단에 걸친 프닉토젠 칼코할로겐 고용체의 조절 가능한 밴드 엣지 위치를 매핑함으로써, 다양한 태양 에너지 응용 분야에 적합한 특정 배합을 식별하고 패싯(facet) 선택이 화학적 치환에 필적하는 중요한 설계 파라미터임을 밝혀냈다.

원저자: Cibrán López, David Rovira, Edgardo Saucedo, Claudio Cazorla

게시일 2026-08-18

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Cibrán López, David Rovira, Edgardo Saucedo, Claudio Cazorla

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

더 나은 태양 에너지와 더 깨끗한 연료를 향한 탐구는 종종 과학자들을 원자 수준으로 이끌며, 빛을 포착하여 전기나 화학 에너지로 바꿀 수 있는 재료를 찾게 합니다. 이 탐구의 중심에는 빛과 전류 사이의 가교 역할을 하는 특수한 부류의 고체인 반도체가 있습니다. 이러한 역할을 수행하기 위해 재료의 내부 에너지 준위는 매우 적절하게 설정되어야 합니다. 즉, 빛이 부딪혔을 때 발생하는 전기적 전하가 외부에서 일을 하거나 화학 반응을 밀어붙일 수 있도록 에 위치해야 합니다. 만약 이 에너지 준위가 조금이라도 어긋나면, 재료가 빛을 흡수하기는 하지만 에너지를 방출하는 데 실패하거나, 전하가 사용되기 전에 서로 상쇄되어 버릴 수 있습니다. 완벽한 재료를 찾는 것은 라디오를 특정 채널에 맞추는 것과 같습니다. 신호가 명확하고 강해야 하며, 주파수가 장치가 받아야 하는 것과 정확히 일 일치해야 합니다.

최근 몇 년 동안, 프닉토젠 칼코할로겐화물(pnictogen chalcohalides)이라 불리는 재료 군이 이러한 과업을 위한 유망한 후보로 떠올랐습니다. 이 화합물들은 지각에 흔하며 독성이 없고, 비교적 낮은 온도에서도 가공할 수 있어 대규모 에너지 응용 분야에 매력적입니다. 이들은 화학적 구성을 변화시킴으로써 조절할 수 있는 넓은 범위의 에너지 갭(최저 에너지 상태와 최고 에너지 상태 사이의 거리)을 자연적으로 보유하고 있습니다. 그러나 이 재료들은 단순히 원자들의 덩어리가 아닙니다. 결정의 서로 다른 면들과 마찬가지로 뚜렷한 표면을 가지고 있습니다. 한 표면에서의 전자 거동은 내부가 동일하더라도 다른 표면과는 크게 다를 수 있습니다. 이는 연구자들에게 거대한 퍼즐을 안겨줍니다. 가능한 재료의 조합이 너무 많고, 표면이 배열될 수 있는 방식 또한 매우 다양하기 때문에, 실험실에서 모든 가능성을 일일이 테스트하는 것은 불가능합니다. 잠재적인 레시피의 수는 개별적으로 탐구하기에는 너무나 방대합니다.

이 문제를 해결하기 위해, 연구팀은 컴퓨터 시뮬레이션의 정밀함과 머신러닝의 속도를 결합했습니다. 그들은 재료의 성분을 자유롭게 교체할 수 있는 고체 혼합물로 생각할 수 있는 특정 그룹에 집중했습니다. 연구팀은 강력한 컴퓨터를 사용하여 가장 안정적인 두 가지 표면에 대한 수많은 혼합물의 정확한 에너지 준위를 계산했습니다. 모든 가능한 조합을 계산하는 것은 너무 오래 걸리기 때문에, 그들은 계산된 데이터에서 패턴을 인식하도록 컴퓨터 프로그램을 훈련시켰습니다. 이 인공지능 모델은 계산된 데이터의 패턴을 학습함으로써, 직접 만들지 않고도 수천 개의 새로운 미테스트 혼합물에 대한 에너지 준위를 높은 정확도로 예측해 냈으며, 결과적으로 모든 가능성의 지형을 효과적으로 그려냈습니다.

이 디지털 탐구의 결과는 이러한 재료를 제어할 수 있는 강력하고 새로운 방법을 드러냈습니다. 연구진은 단순히 성분의 비율을 바꾸는 것만으로도 에너지 준위를 1 전자볼트(electronvolt) 이상 이동시킬 수 있다는 것을 발견했는데, 이는 정밀한 조율이 가능한 상당한 양입니다. 더욱 놀라운 점은, 표면 자체가 주요한 제어 노브(control knob) 역할을 한다는 사실을 발견했다는 것입니다. 정확히 동일한 성분의 혼합물이라 할지라도, 한 표면의 에너지 준위는 다른 표면에 비해 최대 0.6 전자볼트까지 이동할 수 있었습니다. 이는 결정의 어떤 면을 노출시킬지 선택하는 것이 화학적 레시피를 선택하는 것만큼이나 소자 설계에 중요하다는 것을 의미합니다. 두 표면은 안정성 측면에서는 거의 동일하지만, 빛이나 전기를 다루는 방식에 있어서는 매우 다르게 행동합니다.

연구진이 이 발견을 실제 응용 분야에 적용했을 때, 그 차이는 명확해졌습니다. 물을 분해하여 수소 연료를 만드는 작업의 경우, 표면의 방향성이 결정적이었습니다. 특정 표면 방향은 적절한 성분 혼합이 뒷받침된다면 물을 수소와 산소로 분해하는 데 필요한 화학 반응을 일으킬 수 있는 능력이 있음이 밝혀졌습니다. 반면, 다른 표면 방향은 동일한 재료로 만들어졌음에도 불구하고, 이 반응에 필요한 에너지 요구 조건을 충족하지 못해 이 특정 목적을 위해서는 비활성 상태가 되었습니다. 이 연구는 특정 원소 조합이 수소 생산뿐만 아니라 암모니아, 메탄, 과산화수소의 생성까지도 이끌어낼 수 있음을 확인하였으며, 재료의 조성과 표면에 기초한 다양한 연료 제조 옵션의 메뉴를 작성하였습니다.

태양 전지 분야에서, 이 연구 결과는 주의 깊으면서도 유용한 통찰을 제공했습니다. 연구진은 이 재료들이 전기를 수집하기 위해 사용되는 일반적인 접촉층(contact layers)과 얼마나 잘 작동하는지 테스트했습니다. 그들은 이 재료들이 양전하를 수집하는 특정 층과는 잘 작동할 수 있지만, 표준적인 재료들을 사용하여 음전하를 수집하는 데는 제대로 정렬되지 않는다는 것을 발견했습니다. 이는 이 새로운 재료들이 빛을 흡수하고 전하를 생성하는 데는 탁로 뛰어나지만, 완전한 태양 전지를 구축하기 위해서는 음전하 수집을 위한 새로운 유형의 접촉층을 찾거나 설계해야 함을 시사합니다. 연구는 결론적으로, 이 재료들이 에너지 기술을 위한 매우 유연한 플랫폼을 제공하지만, 그 성공 여부는 화학적 혼합물과 환경에 노출되는 특정 표면을 모두 정밀하게 설계하는 데 달려 있다고 밝히고 있습니다. 머신러닝을 사용하여 이 복잡한 공간을 탐색함으로써, 연구진은 이러한 재료를 활용하여 더 깨끗한 에너지 미래를 향한 명확한 로드맵을 제시했습니다.

기술 요약: 머신러닝 가속화를 통한 니코젠 칼코할로겐 고용체의 밴드 엣지 엔지니어링

문제 제기
니코젠 칼코할로겐(MChX; M=Bi, Sb; Ch=S, Se; X=I, Br)은 지구상에 풍부한 구성 성분, 견고한 열역학적 안정성, 그리고 태양 에너지 응용 분야에 최적화된 밴드 갭(1.2–2.1 eV)을 가진 신흥 반도체이다. 삼원계 MChX 화합물은 유망한 가능성을 보여주지만, 이들의 고용체( $Bi_xSb_{1-x}S_ySe_{1-y}I_zBr_{1-z}$ )는 연속적인 물성 조절이 가능한 방대한 조성 공간을 제공한다. 그러나 모든 가능한 원자 구성과 표면 종단(surface termination)을 체계적으로 평가하는 것은 제일원리 밀도 범함수 이론(DFT)을 이용한 전수 조사 측면에서 계산적으로 불가능하다. 또한, 모든 잠재적 조성에 대해 실험적 합성을 수행하는 것도 비현실적이다. 밴드 엣지 위치가 화학량론(stoichiometry) 및 표면 종단에 따라 어떻게 변화하는지를 이해하는 것은 광전지(PV) 및 광촉매 분야에서 재료를 최적화하는 데 필수적이지만, 현재 이 부분에 중요한 공백이 존재한다.

방법론
저자들은 이러한 계산적 병목 현상을 해결하기 위해 DFT와 예측 모델링을 결结合한 머신러닝(ML) 가속 프레임워크를 개발하였다:

데이터셋 생성: DFT를 사용하여 125개의 삼원계 MChX 화합물 데이터베이스를 구축하였다. 기하 구조 완화(relaxation)에는 PBEsol 범함수를 사용하였으며, 밴드 정렬(band alignment)은 스핀-궤도 결합(SOC) 보정이 포함된 범위 분리 하이브리드 범함수인 HSEsol을 사용하여 계산하였다.
모델링 접근 방식: 무작위 고용체에 필요한 대형 슈퍼셀에 대한 HSEsol+SOC 계산의 막대한 비용 문제를 해결하기 위해, 본 연구에서는 가상 결정 근사법(Virtual Crystal Approximation, VCA)을 채택하였다. 이 방법은 무질서한 격자 자리에 가상 원자를 가정하며, 등전자 성분(Bi/Sb, S/Se, I/Br) 사이의 전자적 특성을 보간한다. 이는 이들이 유사한 결합 특성을 가지고 있다는 점을 고려할 때 유효하다.
머신러닝: 임의의 조성 $\{x, y, z\}$ 에 대해 진성 가전자대 최대값(VBM) 레벨을 진공 레벨 대비 예측하기 위해 125개의 DFT 데이터 포인트로 학습된 다층 퍼셉트론(MLP) 모델을 훈련시켰다. 모델은 교차 검증 평균 절대 오차(MAE) 4.8–12.3 meV로 검증되었다.
예측 범위: 훈련된 ML 모델을 조밀한 조성 그리드(9,261개 고용체)에 적용하여 가장 안정적인 두 가지 표면 종단인 (010) 및 (011)에 대한 VBM 및 전도대 최소값(CBM) 위치를 매핑하였다. CBM 위치는 이전 연구의 밴드 갭 예측값과 예측된 VBM 값을 결합하여 도출되었다.

주요 결과

조성 및 결정면을 통한 튜닝 가능성: 본 연구는 화학적 조성만으로 밴드 엣지를 1 eV 이상 튜닝할 수 있음을 보여준다. 결정적으로, 고정된 조성에 대해서도 (010)과 (011) 표면 종단 사이에서 VBM과 CBM이 최대 0.6 eV까지 이동할 수 있으며, 이 두 표면은 거의 퇴행적인(degenerate) 형성 에너지를 가짐에도 불구하고 그러하다. 이는 결정면 선택(facet selection)이 화학적 치환과 대등한 설계 파라미터임을 입증한다.
오비탈 기원: 밴드 정렬의 변화는 새로운 전자 상태의 도입이 아니라 정전기적 기준 레벨(표면 쌍극자)의 강직한 변위(rigid displacement)에 기인한다. VBM은 Bi의 s+p 기여도가 포함된 Ch p-상태(S/Br)에 의해 지배되며, CBM은 Bi p-상태에 의해 지배된다.
광촉매 응용:
- (010) 표면: 광범한 조성 범위가 물 분해에 적합하다. 셀레늄(Se)이 풍부하고 안티모니(Sb)가 풍한 조성은 수소 발생 반응(HER)에 유리하며, 비스무트(Bi)가 풍부하고 황(S)이 풍부한 조성은 산소 발생 반응(OER)에 유리하다. 또한 (010) 표면은 특정 화학량론에 대해 암모니아 생성(N2 환원) 및 메탄 생성( $CO_2$ 환원)을 지원한다.
- (011) 표면: 이와 대조적으로, (011) 방향의 고용체는 일반적으로 물 분해에 필요한 산화-환원 전위(HER 및 OER)를 가로지르지 못하며, 이는 구조적 유사성에도 불구하고 무보조 물 분해에는 부적합함을 의미한다.
- 기타 반응: 본 연구는 과산화수소( $H_2O_2$ ) 생성을 구동할 수 있는 특정 조성들을 식별하였으며, (011) 표면은 셀레늄이 풍부한 조성에 대해 뚜렷한 윈도우를 보여주었다.
광전지 응용: 본 연구는 MChX 고용체와 일반적인 전하 선택적 접촉 물질(CdS, $V_2O_5$ $V_{2} O_{5}$ , $MoSe_2$ $M o S e_{2}$ ) 간의 호환성을 평가하였다.
- 세 물질 모두 (010) 조성 공간의 다양한 영역에 대해 효과적인 정공 수송층(HTL)으로 정렬되어, 접촉 선택의 유연성을 제공한다.
- 그러나 테스트된 어떤 물질도 두 표면 방향 모두에 대해 적절한 전자 수송층(ETL) 역할을 수행하지 못했다. 이는 현재의 표준 접촉들이 홀 선택적 접촉으로만 정렬되어 있으며, 전자 추출이 미해결된 설계 과제로 남아 있음을 시사한다.

의의 및 주장
본 논문은 신흥 반도체의 표면 특성을 탐구하기 위한 일반화 가능한 ML 가속 프레임워크를 구축함으로써, 원자론적 모델링과 소자 수준 설계 사이의 간극을 메운다고 주장한다. 주요 의의는 다음과 같다:

결정면 엔지니어링의 중요성: 표면 종단은 밴드 정렬을 튜닝하는 강력하고 독립적인 변수이며, (010)과 (011) 표면은 근본적으로 다른 촉매 및 전자적 거동을 제공한다.
표적 물질 발견: 다섯 가지 뚜렷한 연료 형성 광촉매 반응( $H_2, NH_3, CH_4, H_2O_2, O_2$ )을 구동하기 위한 구체적이고 열역학적으로 안정적인 조성들을 제시하였으며, 광전지를 위한 전자 선택적 접촉 정렬의 현재 한계를 식별하였다.
방법론적 발전: DFT와 ML을 결합함으로써, 방대한 조성 공간을 탐색하는 데 따르는 계산적 장벽을 극 overcome 하여, 니코젠 칼코할로겐 패밀리를 넘어선 태양전지 및 광촉매 장치 설계를 위한 확장 가능한 접근 방식을 제시하였다.

유사한 논문