1 |
1
머신러닝 기반의 유기 발광 다이오드(OLED) 소자 내부 전하 거동 분석 장치에 있어서,검사 전압 세기들 및 검사 주파수들 각각에 대해 교류 검사 전압을 검사 대상 OLED 소자에 인가하여 주파수 기반 측정값들을 획득하도록 구성되는 측정부;상기 주파수 기반 측정값들에 대한 변환 처리를 수행하여 주파수 기반 유도 변수값들을 산출하고,상기 검사 전압 세기들 및 상기 검사 주파수들의 변동에 따른 상기 주파수 기반 유도 변수값들의 변동을 나타내는 주파수 기반 특성 데이터를 생성하고, 그리고상기 주파수 기반 특성 데이터로부터 OLED 소자 내부의 위치별 전하 밀도를 예측하도록 학습되는 머신러닝 모델을 활용하여 상기 검사 대상 OLED 소자의 내부 위치별 전하 밀도를 나타내는 전하 분포 데이터를 도출하도록 구성되는 처리부; 및상기 전하 분포 데이터를 출력하도록 구성되는 출력부; 를 포함하는, 머신러닝 기반의 OLED 소자 내부 전하 거동 분석 장치
|
2 |
2
제1항에 있어서,상기 주파수 기반 특성 데이터는 상기 주파수 기반 유도 변수값들에 기반하는 이미지 데이터이고,상기 머신러닝 모델은 상기 이미지 데이터로부터 상기 검사 대상 OLED 소자의 내부 위치별 전하 밀도를 예측하도록 학습되는 합성곱 신경망(CNN)인, 머신러닝 기반의 OLED 소자 내부 전하 거동 분석 장치
|
3 |
3
제2항에 있어서,상기 주파수 기반 유도 변수값들의 종류는 임피던스(Z), 어드미턴스(Y; 1/Z), 커패시턴스(C), 모듈러스(M; -iωZ) 및 위상차(φ) 중 어느 하나이고,상기 이미지 데이터는 상기 주파수 기반 유도 변수값들의 크기를 상기 검사 전압 세기들 및 상기 검사 주파수들에 대해 플로팅한 2D 플로팅 이미지인, 머신러닝 기반의 OLED 소자 내부 전하 거동 분석 장치
|
4 |
4
제3항에 있어서,상기 주파수 기반 유도 변수값들(Z, Y, C, M)의 크기는 상기 주파수 기반 유도 변수값들(Z, Y, C, M)의 절대값(Abs), 실수부(Re) 및 허수부(Im) 중 어느 하나이고,상기 2D 플로팅 이미지의 X축은 검사 전압 세기 및 검사 주파수 중 어느 하나이고, Y축은 검사 전압 세기 및 검사 주파수 중 다른 하나이고, 플로팅 값 Z축은 상기 주파수 기반 유도 변수값들(Z, Y, C, M)의 크기인, 머신러닝 기반의 OLED 소자 내부 전하 거동 분석 장치
|
5 |
5
제4항에 있어서,상기 주파수 기반 유도 변수값들(Z, Y, C, M)의 크기는 모듈러스(M)의 허수부(Im(M))이고,상기 2D 플로팅 이미지는 모듈러스(M)의 허수부(Im(M))의 크기를 백색으로부터 흑색까지 점진적으로 표현하는 2D 그레이스케일 모듈러스 플로팅 이미지인, 머신러닝 기반의 OLED 소자 내부 전하 거동 분석 장치
|
6 |
6
머신러닝 기반의 유기 발광 다이오드(OLED) 소자 내부 전하 거동 분석 방법에 있어서,측정부를 통해, 검사 전압 세기들 및 검사 주파수들 각각에 대해 교류 검사 전압을 검사 대상 OLED 소자에 인가하여 주파수 기반 측정값들을 획득하는 단계;처리부를 통해, 상기 주파수 기반 측정값들에 대한 변환 처리를 수행하여 주파수 기반 유도 변수값들을 산출하는 단계;상기 처리부를 통해, 상기 검사 전압 세기들 및 상기 검사 주파수들의 변동에 따른 상기 주파수 기반 유도 변수값들의 변동을 나타내는 주파수 기반 특성 데이터를 생성하는 단계;상기 처리부를 통해, 상기 주파수 기반 특성 데이터로부터 OLED 소자 내부의 위치별 전하 밀도를 예측하도록 학습되는 머신러닝 모델을 활용하여 상기 검사 대상 OLED 소자의 내부 위치별 전하 밀도를 나타내는 전하 분포 데이터를 도출하는 단계; 및출력부를 통해, 상기 전하 분포 데이터를 출력하는 단계; 를 포함하는, 머신러닝 기반의 OLED 소자 내부 전하 거동 분석 방법
|