수소전지 수명의 관건 '촉매 안정성', AI로 70초 만에 계산한다

수 나노미터 크기…백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발
다양한 금속 나노입자에 적용 가능…신소재 촉매 개발 활용 기대

실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비교. 사진=한국과학기술연구원 제공

한국과학기술연구원(KIST) 계산과학연구센터 한상수 박사, 김동훈 박사와 한과학기술원(KAIST) 신소재공학과 이혁모 교수 공동 연구팀은 수 나노미터크기의 백금 나노입자에 대해 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 인공지능(AI) 기술을 개발했다고 13일 밝혔다.

공동 연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다.

BE-CGCNN 모델을 이용하면 백금 나노입자 표면에 존재하는 흡착물의 흡착 에너지 표면 푸베이 도표를 정확히 구성, 기존 CGCNN 모델과 비교해 최대 85.7%만큼 오차가 감소하는 것을 확인했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다.

KIST 한상수 박사는 "백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것"이라고 기대했다.

김동훈 박사는 "향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다"며 "백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정"이라고 말했다.

이번 연구 성과는 국제 학술지 'Nature Communications'에 지난달 25일 온라인게재됐다.