공기 중 이산화탄소 잡는 소재, AI로 빠르게 선별한다

KAIST, 이산화탄소 포집 소재 예측 위한 AI 개발

(왼쪽부터) 한국과학기술원(KAIST)의 김지한 생명화학공학과 교수, 임윤성 박사과정생, 박현수 연구원./KAIST

기후 위기를 막기 위해 이미 배출된 이산화탄소를 적극적으로 줄이는 것이 필수다. 이를 위해 공기 중 이산화탄소만 직접 포집하는 기술(Direct Air Capture, DAC)이 주목받고 있다. 국내 연구진이 인공지능(AI) 기반 기계학습 기술을 사용해 DAC 기술의 핵심 소재인 ‘금속-유기 구조체(MOF)’ 중 유망한 탄소 포집 후보 소재들을 찾아내는 데 성공했다.

김지한 한국과학기술원(KAIST) 생명화학공학과 교수 연구진은 임페리얼 칼리지 런던(Imperial College London) 연구진과 공동 연구를 통해 대기 중 이산화탄소 포집에 적합한 MOF를 빠르고 정확하게 선별할 수 있는 기계학습 기반 시뮬레이션 기법을 개발했다고 29일 밝혔다.

연구진은 MOF와 이산화탄소, 물 사이의 상호작용을 정밀하게 예측할 수 있는 기계학습(머신러닝) 기반 시뮬레이션을 개발하고, 이를 통해 양자역학 수준의 예측 정확도를 유지하면서도 기존보다 월등히 빠른 속도로 MOF 소재들의 흡착 물성을 계산할 수 있도록 했다.

개발한 시스템을 활용해 실험적으로 합성된 MOF 구조 8000여 개를 대규모 스크리닝한 결과, 100개 이상의 유망한 탄소 포집 후보 소재를 발굴했다. 특히 기존의 고전 시뮬레이션으로는 확인되지 않았던 새로운 후보 소재들을 제시했으며, MOF의 화학 구조와 흡착 성능 간의 상관관계를 분석해 DAC용 소재 설계에 유용한 7가지 핵심 화학적 특징도 함께 제안했다.

연구진은 “연구에서 제안한 시뮬레이션 기법은 기존보다 정밀도와 계산 효율을 동시에 향상시켜 고성능 DAC 소재 발굴에 소요되는 시간과 자원을 크게 줄일 수 있다”며 “MOF뿐 아니라 다양한 다공성 소재 및 흡착 시스템에도 확장할 수 있다”고 설명했다.

이번 연구 결과는 국제 학술지 ‘매터(Matter)’에 지난 6월 12일 게재됐다.

참고 자료

Matter(2025), DOI: https://doi.org/10.1016/j.matt.2025.102203

- Copyright ⓒ 조선비즈 & Chosun.com -