복잡한 에너지 표면을 가진 시스템의 효과적인 샘플링을 위한 하이브리드 분자동력학 시뮬레이션 방법론 개발
● 복잡한 에너지 표면을 가진 시스템의 효과적인 샘플링을 위한 하이브리드 분자동력학 시뮬레이션 방법론 개발을 목표로 함. 1. 새로운 정밀도 교환 하이브리드 분자동력학 시뮬레이션 방법론(REMD-FM-CBMC) 개발 2. REMD-FM-CBMC를 이용한 고유 무질서 단백질(IDP)의 에너지 표면 연구 3. REMD-FM-CBMC를 이용한 이온성 액체(...
하이브리드 컴퓨터 시뮬레이션
분자 동력학
고유 무질서 단백질
이온성 액체
2
주관|
2018년 5월-2024년 5월
|50,000,000원
차세대 소재 개발용 다중 규모 컴퓨터 모델링 시스템 구축
본 과제는 지속 가능한 에너지원으로 연구되는 유기 태양 전지(Organic Solar Cell)의 성능을 컴퓨터로 미리 예측·최적화하기 위한 다중 규모 컴퓨터 모델링 시스템을 구축하는 연구임.
연구 목표는 QM-Atomistic MD-CG MD-KMC-Deep Learning을 연계해 양자 효율, 박막 모폴로지, 전자-홀 이동을 통합 분석함. 구체적으로 전자 주개 & 받개 상호작용(QM), 박막 모사(~100 ns) 및 Reverse Mapping(Atomistic MD), 계면 형성 및 상분리(>> μs)(CG MD), 전자-홀 동력학(KMC), 실험 자료를 포함한 딥러닝 기반 비선형 최적화로 디바이스 효율 및 수명 향상 기대됨.
본 연구의 연구 목표는 차세대 소재, 특히 유기 태양 전지(Organic Solar Cell)의 성능 최적화를 위한 다중 규모 컴퓨터 모델링 시스템을 구축하는 것이다. 유기 태양 전지의 성능(효율과 수명)은 양자 효율, 전자-홀 쌍의 생성 및 전파 속도, 계면의 구조와 모폴로지 변화, 구성 성분의 종류와 비율 등 다양한 요인에 의해 결정되므로 실험을 ...
본 과제는 유기 태양 전지(Organic Solar Cell)의 효율과 수명을 좌우하는 원자~분자~박막~전하 이동까지 다중 규모를 컴퓨터로 함께 보는 모델링 시스템 구축 연구임.
연구 목표는 다중 규모 컴퓨터 모델링과 딥러닝 데이터 분석으로 성능 최적화에 적용하는 체계 마련에 있음. 핵심 연구 내용은 QM, Atomistic MD, CG MD, KMC를 연동해 양자 효율·모폴로지·전자-홀 생성/이동을 계산하고 Deep Learning으로 효율 및 수명과 물성의 비선형 연관성 규명 및 디바이스 최적화 수행임. 기대 효과는 시행착오 축소와 상용화 이론 토대 제공, OLED 등 유사 소재 확장 가능함.
본 연구는 유기 태양 전지(Organic Solar Cell)에서 효율과 수명에 영향을 주는 복잡한 요인을 컴퓨터로 함께 분석해 최적화하는 다중 규모 모델링 시스템을 구축하는 연구임.
연구 목표는 유기 태양 전지 성능 및 수명 최적화를 위한 QM, Atomistic MD, CG MD, KMC, Deep Learning 기반 데이터 분석법을 연계하는 체계 구축에 있음. 핵심 연구 내용은 QM의 양자 효율, Atomistic MD의 원자 미시 구조 및 파라미터 최적화, CG MD의 모폴로지 변화 및 Reverse Mapping, KMC의 전자-홀 이동 및 이동 에너지 장벽, Deep Learning의 효율·수명 비선형 연관성 학습임. 기대 효과는 시행착오 감소로 상용화 이론 토대 마련 및 OLED 등 유사 소재 최적화로 확장 가능함.