적어도 하나의 프로세서를 포함하는 컴퓨터 장치의 소재 자율 개발 방법에 있어서,상기 적어도 하나의 프로세서에 의해, 상기 컴퓨터 장치와 통신하는 협동로봇을 이용하여 제1 개발 소재를 합성하는 제1 단계;상기 적어도 하나의 프로세서에 의해, 상기 합성된 제1 개발 소재의 소재 특성을 분석한 분석 결과 데이터를 입력받는 제2 단계;상기 적어도 하나의 프로세서에 의해, 상기 분석 결과 데이터를 이용하여 머신러닝 모듈을 학습시키는 제3 단계;상기 적어도 하나의 프로세서에 의해, 상기 학습된 머신러닝 모듈을 이용하여 상기 제1 개발 소재와 적어도 일부가 상이한 제2 개발 소재의 소재 특성을 예측하는 제4 단계; 및상기 적어도 하나의 프로세서에 의해, 상기 예측된 제2 개발 소재의 소재 특성에 기반하여 상기 제2 개발 소재에 대해 상기 제1 단계 내지 상기 제4 단계를 반복 수행하는 제5 단계를 포함하는 소재 자율 개발 방법.

제1항에 있어서,상기 제2 개발 소재의 합성을 위해 첨가되는 물질의 종류 및 물질의 양 중 적어도 하나가 상기 예측된 제2 개발 소재의 소재 특성에 따라 상기 제1 개발 소재의 합성을 위해 첨가되는 물질의 종류 및 물질의 양 중 적어도 하나와 상이하도록 결정되는 것을 특징으로 하는 소재 자율 개발 방법.

제1항에 있어서,상기 제1 개발 소재 및 상기 제2 개발 소재는 페로브스카이트 발광 소재를 포함하고,상기 제1 단계는,상기 협동로봇을 이용하여 페로브스카이트 전구체를 통해 페로브스카이트 발광 소재의 입자를 합성하는 것을 특징으로 하는 소재 자율 개발 방법.

제3항에 있어서, 상기 제1 개발 소재의 소재 특성 및 상기 제2 개발 소재의 소재 특성은 페로브스카이트 발광 소재의 광발광 특성을 포함하는 것을 특징으로 하는 소재 자율 개발 방법.

제3항에 있어서,상기 제3 단계는,상기 분석 결과 데이터가 포함하는 상기 페로브스카이트 발광 소재의 광발광 특성을 분석한 광발광 그래프를 분해하여 피크(peak)의 위치 및 높이에 대한 정보를 획득하는 단계를 포함하는 것을 특징으로 하는 소재 자율 개발 방법.

제5항에 있어서,상기 광발광 그래프는 상기 페로브스카이트 발광 소재의 나노입자의 일정량을 톨루엔(Toluene)이 들어있는 석영 큐벳에 넣고 광발광 특성을 분석하여 얻어지는 것을 특징으로 하는 소재 자율 개발 방법.

제5항에 있어서,상기 제3 단계는,상기 피크의 위치 및 높이에 대한 정보를 학습 데이터로 이용하여 SVM(Support Vector Machine), DF(Decision Tree), RF(Random Forest) 및 GB(Gradient Boosting) 중 적어도 하나의 알고리즘에 기반한 상기 머신러닝 모듈을 학습하는 것을 특징으로 하는 소재 자율 개발 방법.

제7항에 있어서,상기 제4 단계는,상기 제2 개발 소재의 합성 조건에 따른 광발광 특성을 상기 학습된 머신러닝 모듈을 통해 얻어지는 피크의 위치 및 높이에 기반하여 예측하고,상기 예측된 광발광 특성을 위한 상기 제2 개발 소재의 합성 조건이 상기 협동로봇으로 전달되는 것을 특징으로 하는 소재 자율 개발 방법.

컴퓨터 장치와 결합되어 제1항 내지 제8항 중 어느 한 항의 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.

컴퓨터 장치에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고,상기 적어도 하나의 프로세서에 의해,상기 컴퓨터 장치와 통신하는 협동로봇을 이용하여 제1 개발 소재를 합성하는 제1 과정;상기 합성된 제1 개발 소재의 소재 특성을 분석한 분석 결과 데이터를 입력받는 제2 과정;상기 분석 결과 데이터를 이용하여 머신러닝 모듈을 학습시키는 제3 과정;상기 학습된 머신러닝 모듈을 이용하여 상기 제1 개발 소재와 적어도 일부가 상이한 제2 개발 소재의 소재 특성을 예측하는 제4 과정; 및상기 예측된 제2 개발 소재의 소재 특성에 기반하여 상기 제2 개발 소재에 대해 상기 제1 과정 내지 상기 제4 과정을 반복 수행하는 제5 과정을 처리하는 것을 특징으로 하는 컴퓨터 장치.