AI로 이산화탄소 ‘콕’ 집어 포집…유망 소재 선별

KAIST, DAC 핵심 소재 AI로 찾아
MOF 스크리닝 효율 및 정확도 향상

신러닝 기반 역장을 활용한 흡착 시뮬레이션 개념도. KAIST 제공

KAIST는 김지한 생명화학공학과 교수 연구팀이 영국 임페리얼 칼리지 런던대 연구팀과 공동으로 인공지능(AI) 기술을 이용해 공기 중 이산화탄소를 효과적으로 포집할 수 있는 소재를 찾아내는 시뮬레이션 기술을 개발했다고 29일 밝혔다.

공기 중 이산화탄소만을 직접 포집하는 기술(DAC)은 이미 배출된 이산화탄소를 적극적으로 줄일 수 있어 주목받고 있다. 하지만 공기 중에 존재하는 수증기로 인해 이산화탄소만을 효과적으로 포집하는 것은 쉽지 않다.

이를 위해 금속과 유기물을 결합한 다공성 소재인 ‘금속 유기 골격체(MOF)’가 쓰이는 데, 구조적 다양성과 복잡한 분자 간 상호작용으로 인해 이상적인 후보를 선별에 어려움이 있다.

기존 고전 방식의 시뮬레이션은 예측 속도는 빠르지만 정밀도가 낮고, 양자역학 기반 계산은 정밀하나 계산 비용이 높아 대규모 스크리닝에는 적합하지 않다.

연구팀은 MOF와 이산화탄소, 물 사이의 상호작용을 정밀하게 예측할 수 있는 기계학습(머신러닝) 기반 역장(MLFF)을 개발했다. 이를 통해 양자역학 수준의 예측 정확도를 유지하면서도 기존보다 월등히 빠른 속도로 MOF 소재들의 흡착 물성을 계산할 수 있다.

연구팀은 개발된 시스템을 활용해 실험적으로 합성된 8000여 개의 MOF 구조에 대한 대규모 스크리닝을 통해 100개 이상의 유망한 탄소 포집 후보 소재를 발굴했다.

특히 기존 고전 시뮬레이션 기법으로는 확인되지 않았던 새로운 후보 소재들을 제시했고, MOF의 화학 구조와 흡착 성능 간 상관 관계를 분석해 DAC용 소재 설계에 유용한 7가지 핵심 화학적 특징도 함께 제안했다.

김지한 KAIST 교수는 “MOF뿐 아니라, 다양한 다공성 소재와 흡착 시스템에도 확장 가능하다”며 “앞으로 AI 기반 소재 탐색 기법을 활용해 DAC 기술의 실용화 가능성을 높이는 데 기여할 것”이라고 말했다.

이 연구결과는 국제 학술지 ‘매터(Matter·지난달 12일자)’에 실렸다.

김지한(왼쪽) KAIST 교수와 연구진. KAIST 제공

이준기기자 bongchu@dt.co.kr