공기 중 이산화탄소만 직접 포집하는 기술(DAC)이 주목받는 가운데, 한국과학기술원(KAIST·총장 이광형) 연구진이 AI 기반 기계학습 기술을 적용해 금속-유기 구조체(MOF) 중 유망 탄소 포집 후보 소재들을 찾아냈다.
KAIST는 김지한 생명화학공학과 교수팀이 임페리얼 칼리지 런던 연구팀과 공동 연구로 대기 중 이산화탄소 포집에 적합한 MOF를 빠르고 정확하게 선별할 수 있는 기계학습 기반 시뮬레이션 기법을 개발했다고 29일 밝혔다.
연구팀은 MOF와 이산화탄소, 물 사이 상호작용을 정밀 예측할 수 있는 기계학습(머신러닝) 기반 역장(MLFF)을 개발하고, 이를 통해 양자역학 수준 예측 정확도를 유지하면서도 기존보다 월등히 빠른 속도로 MOF 소재 흡착 물성을 계산할 수 있도록 했다.
개발 시스템을 활용해 8000여 개 합성 MOF 구조를 스크리닝한 결과, 100개 이상 유망 탄소 포집 후보 소재를 발굴했다. 특히 기존 고전 역장 기반 시뮬레이션으로는 확인되지 않았던 새로운 후보 소재들을 제시했으며, MOF 화학 구조와 흡착 성능 간 상관관계를 분석해 DAC용 소재 설계에 유용한 7가지 핵심 화학 특징도 함께 제안했다.
KAIST 생명화학공학과의 임윤성 박사과정과 박현수 박사가 공동 제1 저자로 참여한 이번 연구 결과는 국제 학술지 매터에 지난 12일 게재됐다.
김영준 기자 kyj85@etnews.com
