이산화탄소만 잡아내는 유망 소재…AI가 찾는다

KAIST 연구팀, 관련 기술개발⋯탄소 포집 소재 발굴 가속화 기대

[아이뉴스24 정종오 기자] 지구 가열화의 주범인 이산화탄소만 잡아내는 유망 소재를 인공지능(AI)이 찾는 기술이 나왔다. 공기 중 이산화탄소만 직접 포집하는 기술(Direct Air Capture, DAC)이다.

금속–유기 구조체(Metal-Organic Frameworks, MOF)를 활용해 KAIST 연구팀은 AI 기반 기계학습 기술을 적용, MOF 중에서 가장 유망한 탄소 포집 후보 소재들을 찾아내는 데 성공했다.

KAIST(총장 이광형)는 생명화학공학과 김지한 교수 연구팀이 임페리얼 칼리지 런던(Imperial College London) 연구팀과 공동 연구를 통해 대기 중 이산화탄소 포집에 적합한 MOF를 빠르고 정확하게 선별할 수 있는 기계학습 기반 시뮬레이션 기법을 개발했다고 29일 발표했다.

직접공기포집(DAC) 기술과 금속-유기 구조체(MOF)의 탄소 포집 개념도. MOF는 대기 중 이산화탄소를 포집할 수 있는 유망한 다공성 소재로, DAC 기술의 핵심 소재로 주목받고 있다. [사진=KAIST]

복잡한 구조와 분자 사이 상호작용의 예측 한계로 인해 고성능 소재를 찾는 데 큰 제약을 극복하기 위해 연구팀은 MOF와 이산화탄소(CO2), 물(H2O) 사이의 상호작용을 정밀하게 예측할 수 있는 기계학습(머신러닝) 기반 역장(Machine Learning Force Field, MLFF)을 개발했다.

이를 통해 양자역학 수준의 예측 정확도를 유지하면서도 기존보다 월등히 빠른 속도로 MOF 소재들의 흡착 물성을 계산할 수 있도록 했다.

연구팀은 개발된 시스템을 활용해 8000여 개의 실험적으로 합성된 MOF 구조를 대규모 스크리닝한 결과, 100개 이상의 유망한 탄소 포집 후보 소재를 발굴했다.

기존의 고전 역장 기반 시뮬레이션으로는 확인되지 않았던 새로운 후보 소재들을 제시했다. MOF의 화학 구조와 흡착 성능 간의 상관관계를 분석해 DAC용 소재 설계에 유용한 7가지 핵심 화학적 특징도 함께 제안했다.

이번 연구(논문명: Accelerating CO2 direct air capture screening for metal-organic frameworks with a transferable machine learning force field)는 MOF–CO2, MOF-H2O 간 상호작용을 정밀하게 예측함으로써 DAC 분야의 소재 설계와 시뮬레이션 기술을 크게 향상한 사례로 평가된다.

KAIST 생명화학공학과 임윤성 박사과정과 박현수 박사가 공동 제1 저자로 참여한 이번 연구 결과는 국제학술지 `매터 (Matter)'에 지난 6월 12일 실렸다.

/정종오 기자(ikokid@inews24.com)