인공지능(AI)을 활용한 촉매 선별 방법으로 수소연료전지 촉매를 빠르게 찾을 수 있는 기술이 국내 연구진에 의해 나왔다.
일반적으로 수소차용 양성자 교환막 수소연료전지(PEMFC·Proton Exchange Membrane Fuel Cell)는 값비싼 백금 촉매를 사용한다. 양극에서 산소 환원 반응이 잘 일어나도록 해야 하기 때문. 이런 이유로 백금 촉매를 대체할 값싸고 성능 좋은 촉매 개발 연구가 활발하다.
한국과학기술연구원(KIST)은 5일 김동훈·한상수 계산과학연구센터 박사와 김종민 물질구조제어연구센터 박사, 이혁모 한국과학기술원(KAIST) 신소재공학과 교수 공동연구팀이 새로운 AI 기반 촉매 선별 방법론을 통해 순수 백금 촉매 대비 훨씬 값싸고 성능은 2배 이상 높은 삼원소계 합금(Cu-Au-Pt·구리-금-백금) 촉매 소재 개발에 성공했다고 밝혔다.
연구팀은 주로 촉매와 흡착물 간의 흡착에너지(결합세기)를 빠르게 예측하는데 활용되는 ‘촉매구조 그래프 합성곱 신경망’(SGCNN·Slab Graph Convolutional Neural Network) AI 모델을 개발했다.
이 AI 모델은 고체 물질 전체에 나타나는 재료 특성을 예측하는 데 특화된 ‘결정 그래프 합성곱 신경망’(CGCNN·Crystal Graph Convolutional Neural Network) 모델을 발전시킨 것이다.
촉매의 표면 물성을 빠르고 정확하게 예측할 수 있으면 이를 바탕으로 소재의 안정성, 성능, 비용의 세 가지 요소를 모두 충족하는 촉매를 더 효율적으로 선별할 수 있다. 기존에는 촉매 물성 예측에 사용되던 ‘밀도범함수이론’(DFT·Density Functional Theory)을 이용해 흡착에너지 시뮬레이션 계산법을 사용했는데, 계산에만 보통 몇 년씩 걸렸다.
공동연구팀의 새로운 계산방법론은 계산 속도를 빠르게 발전시켰다. 이 방법론으로 연료전지 양극반응 촉매를 개발했을 때 3,200개 삼원소계 후보 소재 가능성을 단 하루 만에 탐색할 수 있었다.
공동연구팀은 약 3,200개 후보 소재 중 백금 촉매를 능가할 가능성이 있는 10개 촉매를 찾아내 실험검증을 진행했다. 그 결과 ‘Cu-Au-Pt’ 신규 합금 촉매를 개발했다.
이 합금 촉매는 순수 백금 촉매 대비 백금 원소를 37%만 사용한다. 그러나 반응전류밀도(kinetic current density)는 2배 이상 높게 나오는 고성능을 보였으며, 안정성 테스트를 5,000회 거친 후에도 성능 열화가 거의 일어나지 않는 내구성을 보였다.
김동훈 KIST 박사는 “앞으로 양질의 흡착에너지 데이터를 지속적으로 구축해 더욱 정교한 AI 모델링을 수행, 촉매 소재 개발 성공률을 더욱 향상시킬 것”이라고 말했다.
공동연구팀은 “이번에 개발된 계산방법론은 수소연료전지용 촉매뿐만 아니라 수소경제 실현에 필수적인 수전해 기반 수소 생산과 같은 다양한 촉매 반응에도 즉각 적용할 수 있는 장점이 있다”며 “소재 및 시스템 최적화를 통해 개발된 촉매의 단가를 더욱 낮추고 성능을 높일 계획”이라고 밝혔다.
한편 이번 연구 결과는 국제 학술지 ‘어플라이드 캐털리시스 B: 엔바이런먼털’(Applied Catalysis B: Environmental)에 지난 7월 24일 게재됐다.
댓글
0