인공지능 도움 받아 '최고 성능 그린수소 촉매' 탐색

기초과학연구원 나노입자 연구단, 서로 다른 물질군 융합해 도출

AI 활용 고성능 그린수소 촉매 발굴 설명도 [기초과학연구원 제공. 재판매 및 DB 금지]

(대전=연합뉴스) 이재림 기자 = 기초과학연구원(IBS) 현택환 나노입자 연구단장(서울대 화학생물공학부 석좌교수) 연구팀은 서로 다른 촉매 물질군의 실험 데이터를 하나의 인공지능(AI) 모델에 통합해 기존에 없던 촉매군을 찾아내고 성능까지 예측하는 기술을 도출했다고 28일 밝혔다.

최근 기계학습은 촉매 개발 속도를 높이는 도구로 주목받고 있다.

하지만 기존 연구는 대부분 단일원자 촉매, 산화물 촉매, 금속 촉매 등 하나의 물질군 안에서 가장 좋은 후보를 찾는 데 집중하는 경향을 보인다.

미래의 촉매 개발에서는 한 물질군 안의 최적화뿐 아니라 서로 다른 물질군의 장점을 결합하는 전략이 중요하다는 인식 속에 관련 연구를 진행한 IBS 연구진은 그린수소 생산 과정에서 산소 발생 반응을 돕는 서로 다른 두 촉매 물질군의 데이터를 결합하는 '크로스브리딩 신경망'(Crossbreeding Neural Network·CBNN)을 개발했다.

결합된 데이터는 단일원자 촉매와 페로브스카이트 산화물 촉매로, 단일원자 촉매의 '표면 정보'와 페로브스카이트 산화물의 '내부 구조 정보'를 인공지능(AI)이 하나의 모델 안에서 함께 학습하도록 설계했다.

이를 바탕으로 연구진은 AI가 예측한 촉매 12종의 성능 순위와 실험 결과 간 일치 사실을 확인하는 한편, 기존 학습 데이터에 포함된 촉매들과 새로 합성한 촉매들을 모두 뛰어넘는 최고 성능 소재를 찾아냈다고 설명했다.

이번 연구의 가장 큰 차별점은 AI가 하나의 물질군 안에서 후보를 고르는 수준을 넘어 서로 다른 물질군 지식을 연결해 새로운 물질군을 예측했다는 데 있다고 IBS 연구진은 강조했다.

나아가 촉매 성능과 관련한 핵심 인자를 도출해 성능 향상의 원인을 설명할 수 있도록 한 것도 주목할 지점이라고 부연했다.

이는 AI 기반 촉매 개발이 '블랙박스 예측'에서 벗어나, 소재 설계 원리를 함께 제시하는 방향으로 발전할 수 있음을 시사한다. 블랙박스 예측은 AI 예측 결과는 확인할 수 있지만, 그 판단 근거를 해석하기는 어려운 것을 일컫는다.

현택환 IBS 나노입자 연구단장은 "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 성과"라며 "향후 배터리, 에너지 소재, 신약 개발 등 복잡한 물질 탐색이 필요한 다양한 분야로 확장될 수 있을 것"이라고 말했다.

연구 결과를 담은 논문은 이날 오후 6시(한국시간) 국제학술지 '네이처 머터리얼스'(Nature Materials) 온라인판에 실렸다.

walden@yna.co.kr

▶제보는 카톡 okjebo