머신러닝 기법을 활용하여 수전해 시스템의핵심 요소 최적화 기술 개발 및 실험적 검증을 통해 단일 전이금속이 도입된 0차원 탄소계 촉매 기반 고효율 그린수소 생산 기술을 개발하였다.
화학공학부 김정규 교수 연구팀(공동제1저자 박사과정 백운범)은 숙명여자대학교 화학과 김민철 굣(제1공동저자)와의 공동연구를 통해 머신러닝 기법읅 통해 수전해 시스템 및 촉매 소재 합성 공정의 핵심 요소를 최적화하는 기술을 개발하고 실험적 검증을 통해 전이금속 단일원자가 도입된 0차원 촉매 소재를 개발하였다. 이를 기반으로, 한국에너지공과대학교 심욱 교수와의 고동연구를 통해 프로톤 교환막 수전해 시스템을 구현하여 실제 장시간 구동 가능한 고효율 청정수소 생산 기술 개발에 성공하였다.
전 세계적으로 온실가스 배출량 감소를 위해 화석연료의 의존도를 줄이고자 청정 에너지운반체인 수소를 재생에너지와 연계한 수전해 시스템을 통해 생산하는 연구가 활발히 진행되고 있다. 하지만 기존의 계산과학을 통해 촉매 활성 금속 원소 및 담지체의 종류, 함량 등 촉매 소재 합성 과정에서의 변수뿐만 아니라 전해질의 산성도, 온도, 전도체의 종류 등 서로 상관관계를 가지는 수전해 시스템의 핵심 요소들을 최적화하는 기법은 비용적인 부담이 높아 시스템 모델을 과도하게 단순화하여 예측된 최적화 요소가 실제 시스템으로 구현되는 것에 한계가 있었다.
이에 연구팀은 베이지안 유전알고리즘(Bayesian genetic algorithm, BGA)과 Naïve Bayes 활용한 머신러닝 기법을 통해 촉매 소재 및 수전해 시스템 핵심 요소 최적화 기술을 개발하고 이를 실험적으로 구현하여 양성자 교환막 기반 수전해(Proton exchange membrane water electrolysis, PEMWE) 고효율 그린수소 생산 기술을 구현하였다. 사전 정보가 제한된 다변수 최적화 문제에 강점을 지닌 BGA와 최적화 수렴 속도 향상을 이끌 수 있는 Naïve Bayes 분류기를 활용한 학습 모델은 촉매 성능 및 시스템 효율에 영향을 미칠 수 있는 여러 핵심인자들을 입력 변수들을 바탕으로 최적화 가능한 기술로 촉매 및 시스템 디자인에 필요한 비용을 획기적으로 줄일 수 있다는 장점을 가진다. 연구팀은 최적화된 조건을 바탕으로 151 mV의 과전압을 가지는 전이금속 니켈(Ni) 단일원자가 도입된 5 nm 미만 크기의 0차원 탄소 양자점(Carbon quantum dots, CQDs) 촉매 소재를 개발하고 이를 PEMWE 시스템에 적용하여 100시간 이상 구동 가능한 그린수소 생산 시스템 구현에 성공하였다.
이번 연구는 전이금속 원소를 활용한 촉매 소재 개발 및 수전해 시스템으로의 구현을 위해 필요한 핵심 요소 최적화 공정을 BGA 기반 머신러닝 기법을 활용하여 획기적으로 비용을 절감할 뿐만 아니라, 이를 실험적으로 검증 및 수전해 장치로의 구현을 통해 머신러닝 기반 데이터 예측과 실험 검증 단계를 결합 및 가속화하여 효율적인 수전해 그린수소 생산 모델 개발에 기여할 것으로 기대된다.
이번 연구 성과는 과학기술정보통신부 중견연구자지원사업, ERC(공학 성도연구센터)사업, 신진연구자 인프라지원사업 등의 국책사업의 지원을 받아 수행되었으며, 첨단 소재 및 에너지 기술 분야의 저명한 국제 학술지인 ‘Carbon Energy’ 저널(IF:24.2) 에 2025년 7월 표지논문으로 선정되었다.
* Machine-Learning-Assisted Design and Optimization of Single-Atom Transition Metal-Incorporated Carbon Quantum Dot Catalysts for Electrocatalytic Hydrogen Evolution Reaction
(저널: Carbon Energy, DOI: https://doi.org/10.1002/cey2.70006)
베이지안 유전 알고리즘 및 촉매 소재 합성 모식도
Ni 단일원자가 도입된 탄소 양자점 합성 기술 개발
PEMWE 연계 고활성 그린수소 생산 시스템 구현
Carbon Energy 저널 2025년 7월 표지논문으로 선정