"AI가 최고 촉매 찾았다"…IBS, 그린수소용 차세대 촉매 개발[과학을읽다]

서로 다른 촉매 데이터 한 번에 학습…기존 뛰어넘는 최고 성능 검증
"AI가 새 물질군까지 예측"…네이처 머터리얼스 게재

인공지능(AI)이 서로 다른 촉매 물질군의 특성을 동시에 학습해 기존보다 뛰어난 차세대 그린수소 촉매를 찾아냈다. 단순히 기존 후보 중 성능이 좋은 물질을 고르는 수준을 넘어 AI가 새로운 촉매군 자체를 제안하고 실제 성능까지 검증한 사례다.

기초과학연구원(IBS)은 28일 현택환 나노입자 연구단 단장(서울대학교 화학생물공학부 석좌교수) 연구팀은 서로 다른 촉매 물질군의 실험 데이터를 하나의 AI 모델에 통합해 새로운 촉매군을 예측하고 최고 성능 촉매를 발굴하는 기술을 개발했다고 밝혔다.

연구내용의 이해를 돕기 위한 그림. 연구팀 제공

연구진은 이를 활용해 그린수소 생산에 필요한 산소 발생 반응(OER) 촉매를 탐색했고, 실제 실험을 통해 기존 촉매들을 뛰어넘는 성능을 확인했다.

수전해는 물을 전기로 분해해 친환경 수소를 생산하는 기술이다. 하지만 산소 발생 반응은 속도가 느리고 에너지 소모가 커 고성능 촉매 개발이 핵심 과제로 꼽힌다.

문제는 촉매 성능이 구성 원소와 원자 배열, 표면 구조 등 수많은 변수에 따라 달라진다는 점이다. 가능한 물질 조합도 워낙 많아 기존에는 연구자의 경험과 반복 실험에 크게 의존할 수밖에 없었다.

최근 AI 기반 기계학습이 촉매 개발 분야에 도입되고 있지만, 대부분은 단일원자 촉매나 산화물 촉매처럼 하나의 물질군 안에서 최적 후보를 찾는 방식에 머물렀다. 실제 산업 현장에서는 특정 물질군 내부의 최고가 아니라 여러 물질군 전체를 통틀어 가장 우수한 촉매를 찾는 것이 중요하다.

서로 다른 촉매 '교배'한 AI 모델 개발

연구진은 단일원자 촉매와 페로브스카이트 산화물 촉매 데이터를 동시에 학습하는 '크로스브리딩 신경망(Crossbreeding Neural Network·CBNN)'을 개발했다.

단일원자 촉매는 금속 원자를 하나씩 촉매 표면에 고정해 적은 양의 금속으로도 높은 효율을 내는 촉매다. 페로브스카이트 산화물은 여러 금속 원소 조합에 따라 특성을 조절할 수 있는 물질군이다.

연구진은 단일원자 촉매의 '표면 정보'와 페로브스카이트 산화물의 '내부 구조 정보'를 하나의 AI 모델 안에서 함께 학습하도록 설계했다.

연구내용의 이해를 돕기 위해 연구팀이 제공한 이미지.

이후 AI가 한 번도 학습하지 않은 새로운 촉매군인 '페로브스카이트 산화물 표면에 금속 단일원자를 고정한 촉매'를 예측 대상으로 삼았다.

그 결과 AI가 예측한 12종 촉매의 성능 순위가 실제 합성·전기화학 실험 결과와 정확히 일치했다. 연구진은 여기서 더 나아가 여러 금속 단일원자를 함께 고정한 촉매를 설계해 기존 촉매보다 더 뛰어난 최고 성능 소재도 찾아냈다.

"배터리·신약 개발까지 확장 가능"

이번 연구의 핵심은 AI가 단순히 결과만 제시하는 '블랙박스 예측'을 넘어, 어떤 요인이 촉매 성능을 높이는지까지 설명할 수 있도록 설계됐다는 점이다.

현택환 단장은 "특정 물질군 안에서 최고 촉매를 찾는 기존 접근을 넘어 서로 다른 촉매군의 지식을 결합해 더 넓은 물질 공간에서 최고 성능 촉매를 찾을 수 있음을 보여준 연구"라며 "향후 배터리, 에너지 소재, 신약 개발 등 복잡한 물질 탐색이 필요한 다양한 분야로 확장될 수 있을 것"이라고 말했다.

공동 제1저자인 문준석 IBS 나노입자 연구단 석박통합과정생은 "AI가 여러 물질군의 공통 언어를 학습하면 사람이 미리 정한 후보군을 넘어 새로운 설계 방향까지 제안할 수 있다"며 "범용 소재 AI로 나아가는 중요한 출발점"이라고 설명했다.

이번 연구 결과는 28일 국제학술지 네이처 머터리얼스(Nature Materials)에 온라인 게재됐다.

김종화 기자 justin@asiae.co.kr