다양한 원소 조합 가능한 AA'BB'O₆형 산화 더블 페로브스카이트 촉매에 주목구성 원소와 원자 결합정보로 안정성과 활성 예측하는 AI 모델 개발기존 촉매보다 산소 발생 더 잘 유도하는 촉매 후보 발견한국에너지공과대 구근호 교수 연구팀과 공동 연구 진행화학공학 분야 국제 학술지 '케미컬 엔지니어링 저널'에 게재
  • ▲ 연구진. 왼쪽부터 고려대 KU-KIST 융합대학원 백서인 교수, 한국에너지공과대학교 구근호 교수, 고려대 목동현 석박통합과정(제1저자).ⓒ고려대
    ▲ 연구진. 왼쪽부터 고려대 KU-KIST 융합대학원 백서인 교수, 한국에너지공과대학교 구근호 교수, 고려대 목동현 석박통합과정(제1저자).ⓒ고려대
    고려대학교는 고려대-한국과학기술연구원(KU-KIST) 융합대학원 백서인 교수 연구팀이 유망한 소재를 탐색하는 인공지능(AI)을 개발하고 이를 통해 고성능의 전기화학적 물 분해 촉매 후보군을 발굴했다고 4일 밝혔다.

    이번 연구는 한국에너지공과대 구근호 교수 연구팀과 함께 진행했다.

    이번 연구는 AI와 시뮬레이션의 결합이 화학적 통찰까지 제공할 수 있다는 가능성을 보여줘 눈길을 끈다.

    최근 재생에너지 발전이 확대되면서 친환경 수소 생산을 위한 전기분해 수요가 증가하고 있다. 산소 생성 반응(OER)을 통한 물 분해가 주목받고 있다. 그러나 주로 사용되는 이리듐(IrO₂), 루테늄(RuO₂) 등의 귀금속 촉매는 비싸고 자원 희소성 문제도 있다.

    공동 연구팀은 서로 다른 금속 원소들이 규칙적으로 배열된 구조로 돼 있어 다양한 원소 조합이 가능한 AA'BB'O₆형 산화 더블 페로브스카이트 촉매에 주목했다. 6500여 개의 구조 데이터를 선별한 뒤 물질의 구성 원소를 바탕으로 안정성을 예측하는 '조성 기반 회귀 AI 모델'과 원자 간 결합 정보로 활성을 예측하는 '그래프 신경망 모델'을 개발하고 학습 데이터 확보를 위한 시뮬레이션도 수행했다.
  • ▲ a. 더블 페로브스카이트 촉매 데이터 생성 과정 b. 촉매 탐색을 위해 고려된 특성들(열역학적, 전기화학적 안정성, 과전압) c. 특성 예측 모델의 모식도와 예측 성능(조성 기반 회귀 모델, 결정 그래프 신경망.ⓒ고려대
    ▲ a. 더블 페로브스카이트 촉매 데이터 생성 과정 b. 촉매 탐색을 위해 고려된 특성들(열역학적, 전기화학적 안정성, 과전압) c. 특성 예측 모델의 모식도와 예측 성능(조성 기반 회귀 모델, 결정 그래프 신경망.ⓒ고려대
    이후 연구팀은 학습된 모델을 활용해 고전압·강산성 환경에서의 촉매 안정성을 예측했다. 또한 연구팀에서 생성한 데이터로 그래프 신경망 모델을 조정하고 1만4000여 개의 촉매 표면에서의 활성을 분석했다. 이를 통해 기존의 OER 촉매인 'LaSrCoFeO₆(LSCF)'보다 산소 발생을 더 잘 유도하는 'LaSrCuTiO₆'와 'PbBaFeWO₆' 등의 촉매 후보 15종을 제시했다.

    백 교수는 "AI를 통한 효율적이고 빠른 고성능 소재 탐색은 전기화학 촉매 분야뿐 아니라 다양한 친환경 소재 분야에서 활용되고 있다"며 "이는 재생에너지와 그린 수소 경제로의 전환에 핵심이 될 것"이라고 말했다.

    이번 연구 성과는 화학공학 분야의 저명한 국제 학술지 '화학공학저널(Chemical Engineering Journal)'에 지난달 23일 온라인 게재됐다. 백서인, 구근호 교수가 공동 교신저자, 고려대 목동현 석박통합과정생이 제1저자로 각각 참여했다.

    이번 연구는 한국화학연구원의 주요연구과제, 과학기술정보통신부와 한국연구재단의 나노·소재기술개발사업, 한국전력공사의 개방형 R&D 프로그램, 미국 에너지부 산하 국립에너지연구과학컴퓨팅센터(NERSC)와 한국과학기술정보연구원(KISTI)의 슈퍼컴퓨팅 자원 지원을 받아 이뤄졌다.
  • ▲ ⓒ고려대
    ▲ ⓒ고려대