전남대학교는 나경수 화학과 교수팀이 이산화탄소 수소화 반응용 철(Fe) 기반 열화학 촉매의 반응 전 전처리 과정과 반응 중 변하는 구조에 대해 집대성하고 머신러닝을 활용한 데이터 기반 최적 촉매 설계에서 이러한 철 촉매의 동적 구조 변화를 반영할 수 있는 '동적 함수 기술자'를 제안했다고 7일 밝혔다.
기존 촉매 개발은 수많은 실험적 조성을 일일이 검증하는 시행착오 방식에 의존해 많은 시간과 비용이 소요되는 한계가 있었다. 최근 머신러닝 기반의 촉매 연구는 구조-성능 관계를 빠르게 규명하고, 방대한 후보군을 효율적으로 스크리닝함으로써 최적 촉매 개발 시간을 획기적으로 단축할 수 있다.
하지만 현재 머신러닝을 활용한 촉매 연구는 주로 반응 전 초기 구조에 의존한다. 이산화탄소 수소화 반응용 철 촉매는 반응 과정에서 산화·탄화 반응이 경쟁하며 동적으로 구조가 변화한다. 이처럼 끊임없이 변하는 촉매 구조는 데이터 기반 예측 성능과 실제 반응 성능 간의 간극을 만들어낸다.
이번 연구에서는 데이터 기반의 정확한 이산화탄소 수소화 반응용 촉매 설계를 위해 철 촉매의 동적 특성을 집대성했다.최신 작동조건(Operando) 및 반응이 일어나는(In situ) 분석 기법을 통한 촉매 구조 분석 및 반응 메커니즘 규명을 종합하고, 실시간 분석 데이터를 바탕으로 한 동적 함수 기술자의 도입 방안을 제시했다.
한편, 염현지 학생은 전남대학교 화학과에서 학사/석사 학위를 취득하고, 화학과의 BK21 Four 미래선도 분자과학 교육연구팀(팀장: 화학과 이선우 교수)의 지원을 받으며, 전남대학교 화학과의 '나노구조촉매연구실(책임자: 나경수 교수)'에서 박사과정 대학원생으로서 연구를 수행하고 있다.
공동 제1저자인 김용석 박사는 같은 BK21 교육연구팀의 신진연구자를 거쳐 전남대학교의 G-LAMP 사업단의 박사후연구원으로 연구 중이며, 전남대학교의 체계화된 학문후속세대 양성과정을 거쳐 성장하고 있는 화학자로서 교내외 다수의 상을 수상한 바 있다.
전남광주=김한식 기자 hskim@etnews.com
