그린수소 생성을 위해 물을 전기분해 할 때 수전해 촉매가 사용된다.
이때 적은 에너지를 투입하고 많은 양의 수소를 생산할 수 있도록 낮은 과전압을 가진 값싼 촉매를 사용하는 것이 그린수소 발전의 핵심이다.
다원소 합금은 촉매 반응을 위한 활성점을 다수 가질 수 있어 조성 최적화를 통한 합금 설계의 플랫폼으로서 큰 가치를 지닌다.
그러나 다원소 합금은 5차원 이상의 방대한 조성 공간을 가져 설계 과정에서 기존 실험적 방법으로는 모든 공간을 탐색할 수 없다는 문제가 있다.
AI로 최적 수전해 촉매 만든다
한국연구재단은 KAIST 신소재공학과 강정구 교수팀이 캘리포니아공대교 윌리엄 고다드 교수팀과 공동연구로 다원소 합금촉매 성능을 예측하는 머신러닝 알고리즘을 설계해 기존 귀금속 기반 촉매를 뛰어넘는 수전해 촉매를 개발했다고 14일 밝혔다.
다원소 합금촉매는 3개 이상의 금속원소를 조합한 합금을 사용하며, 각 원소 함량에 따른 촉매성능 예측을 위한 조성 공간은 원소 개수가 늘어감에 따라 기하급수적으로 증가하는 특징이 있다.
수전해 전기촉매는 물을 전기분해해 수소와 산소를 생성할 때 필요한 에너지의 양을 줄이는 역할을 하며, 생산 단계부터 백금, 이리듐 등 귀금속이 다량 함유돼 경제성과 지속가능성에서 어려움이 있다.
특히 기존 시행착오법 기반의 실험적 촉매 개발은 다원소 합금의 방대한 조성공간을 탐색하기 위해 시간 및 비용이 천문학적으로 많이 소요된다.
공동연구팀은 머신러닝으로 촉매설계방식을 개발해 조성공간의 빠른 탐색 및 최적 조성 발견을 가능케 했다.
이를 통해 열역학적 지식을 머신러닝 모델의 설계 단계부터 적용, 모델이 화학적 귀납추론을 할 수 있게 됐다.
실제 머신러닝 모델로 조성한 최적 합금은 수소발생 반응에서 24㎷, 산소발생 반응에서 204㎷의 낮은 과전압을 보였다.
이는 기존 귀금속의 조합으로 이뤄진 백금/산화 이리듐 촉매를 크게 능가하는 성능이다.
이번 기술의 핵심은 실험계획법을 통한 조성공간 효율적 탐색과 열역학 정보를 포함한 획득함수의 설계다.
연구팀은 다원소 조성공간에서 한 원소의 과전압에 대한 기여도를 독립적으로 확인할 수 있는 AI 모델을 구축, 이를 기반으로 최적의 조성을 가진 촉매를 찾을 수 있도록 설계했다.
이번 연구에 사용한 탐색전략은 고차원 조성공간에서도 효율적인 최적화가 가능해 수전해 이외의 다양한 촉매 시스템에도 적용할 수 있을 것으로 기대된다.
강 교수는 "AI 기반 촉매설계로 우수한 성능의 다원소 합금을 단시간에 발굴할 수 있었다"며 "개발한 합금촉매는 100시간 이상 장기 안정성을 보이며 실제 수소생산시스템에 적용할 가능성을 입증했다"고 설명했다.
한편, 이번 연구성과는 지난 7일 국제학술지 '미국국립과학원회보(PNAS, Proceedings of the National Academy of Sciences)'에 게재됐다.
