한국과학기술연구원(KIST)은 새로운 인공지능(AI) 기반 촉매 선별 방법론을 제시하고 백금 촉매보다 더 싸고 좋은 성능의 촉매 소재 개발에 성공했다고 5일 밝혔다. 이번 연구에는 KIST 계산과학연구센터의 김동훈 박사, 한상수 박사와 물질구조제어연구센터 김종민 박사와 이혁모 한국과학기술원(KAIST) 신소재공학과 교수 공동연구팀이 참여했다.

공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 '촉매구조 그래프 합성곱 신경망'(SGCNN) 인공지능 모델을 개발했다. 기존 고체 소재 예측에는 결정 그래프 합성곱 신경망(CGCNN) 방식이 활용됐다. 이 방식은 주로 벌크 특성 예측에 특화됐다. 벌크 특성은 표면이나 미세 구조를 고려하지 않은 물질 전체에 걸쳐 나타나는 특성이다.

연구진이 개발한 SGCNN 모델은 촉매 소재의 표면 물성 예측이 가능하도록 CGCNN을 발전시킨 것이다. 촉매의 표면 물성을 빠르고 정확히 예측할 수 있으면 이를 바탕으로 소재의 안정성, 성능, 비용의 3요소를 모두 충족하는 촉매를 더욱 효율적으로 선별할 수 있다.

이번 연구에서는 연료전지 양극반응 촉매를 개발했을 때 약 3200개의 삼원소계 후보 소재들의 가능성을 단 하루 만에 탐색할 수 있었다. 이는 기존에 촉매 물성 예측에 사용되던 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산법으로는 수년이 소요되던 규모다.

연구진은 약 3200개의 후보 소재 가운데 백금 촉매를 능가할 가능성이 있는 10개의 촉매 실험검증을 통해 삼원소계(Cu-Au-Pt) 신규 합금촉매를 개발했다. 이 촉매는 순수 백금촉매 대비 백금 원소를 37%만 사용하지만, 반응전류밀도(kinetic current density)는 순수 백금 촉매보다 2배 이상 높게 나오는 고성능을 보였다. 또한 해당 촉매는 안정성 테스트를 5000회 거친 후에도 성능 열화가 거의 일어나지 않았다.

김동훈 KIST 박사는 "향후 양질의 흡착에너지 데이터를 지속적으로 구축해 더 정교한 AI 모델링을 수행할 계획"이라며 "이는 촉매 소재 개발의 성공률을 더욱 향상시킬 것"이라고 설명했다. 이번 연구성과는 삼성전자의 삼성미래기술육성사업 및 과학기술정보통신부의 소재연구데이터플랫폼사업 지원으로 수행됐다.

박영태 한국에너지기술연구원 박사후 연구원과 황창규 한국과학기술연구원 연수생(고려대학교 박사과정)이 공동 제1저자로 참여한 이번 논문은 국제 학술지 '응용 촉매 B: 환경'(Applied Catalysis B: Environmental)에 게재됐다.

씨스켐닷컴(2023-09-05)