인공지능(AI)을 활용해 수소연료전지 촉매를 빠르게 찾을 수 있는 기술이 나왔다. 기존 방식으로는 몇 년이 걸리던 촉매 후보소재 탐색을 하루 만에 해냈다.
한국과학기술연구원(KIST)은 계산과학연구센터의 김동훈 선임연구원과 한상수 책임연구원, 물질구조제어연구센터 김종민 선임연구원, 한국과학기술원 신소재공학과 이혁모 교수 공동연구팀이 새로운 AI 기반 촉매 선별 방법론을 제시했다고 5일 밝혔다.
수소차에 쓰이는 양성자 교환막 수소연료전지는 양극에서 산소 환원 반응이 잘 일어나도록 값비싼 백금 촉매를 사용한다. 백금보다 더 효율적이고 경제적인 촉매 소재를 개발하기 위해 연구자들이 다양한 방법을 찾고 있다.
KIST와 KAIST 공동 연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 SGCNN(촉매구조 그래프 합성곱 신경망) AI 모델을 개발했다. SGCNN은 고체 소재의 벌크 물성 예측에 특화된 다른 AI 모델인 CGCNN(결정 그래프 합성곱 신경망)을 발전시킨 것이다.
촉매의 표면 물성을 빠르고 정확하게 예측할 수 있으면 이를 바탕으로 소재의 안정성, 성능, 비용의 3요소를 모두 충족하는 촉매를 효율적으로 골라낼 수 있다. 기존에는 이를 위해 밀도범함수이론(DFT)을 이용해 흡착에너지 시뮬레이션 계산법을 사용했다. 밀도범함수이론은 물질, 분자 내부에 전자가 들어있는 모양과 그 에너지를 양자역학으로 계산하는 방식인데 계산에 보통 수 년이 걸렸다.
공동연구팀이 만든 새로운 계산방법론은 계산 속도를 비교가 되지 않게 빠르게 발전시켰다. 이 방법론으로 연료전지 양극반응 촉매를 개발했을 때, 약 3200개의 삼원소계 후보 소재의 가능성을 단 하루 만에 탐색할 수 있었다.
연구팀은 이를 바탕으로 3200개의 후보 소재 가운데 백금 촉매를 대체할 수 있는 10개 촉매를 찾아내 실험검증을 진행했다. 그 결과 삼원소계(Cu-Au-Pt) 신규 합금촉매를 개발하기도 했다. 이 촉매는 순수 백금촉매 대비 백금 원소를 37%만 사용하지만, 반응전류밀도(kinetic current density)는 순수 백금 촉매보다 2배 이상 높게 나왔다. 또 5000회의 안정성 테스트를 거친 후에도 성능 열화가 거의 일어나지 않았다.
김동훈 선임연구원은 “앞으로 양질의 흡착에너지 데이터를 지속해서 구축해 더욱 정교한 인공지능 모델링을 수행할 계획”이라며 “이는 촉매 소재 개발의 성공률을 더욱 향상시킬 것”이라고 설명했다.
이번 연구 결과는 국제 학술지 ‘Applied Catalysis B: Environmental’에 지난 7월 24일 온라인 개재됐다.
참고자료
Applied Catalysis B: Environmental, DOI : https://doi.org/10.1016/j.apcatb.2023.123128