인공지능 예측 기반 고활성·고내구 연료전지 촉매 설계. 한국연구재단 제공국내 연구진이 인공지능(AI)과 양자역학 계산을 결합해 연료전지 촉매가 성능을 잃는 원인을 원자 수준에서 규명하고, 더 오래 사용할 수 있는 차세대 촉매 설계 원리를 제시했다.
한국연구재단은 국립부경대학교 서민호 교수와 한국재료연구원 최승목 박사 공동연구팀이 제일원리계산과 머신러닝 기반 신경망 포텐셜을 결합해 백금-코발트(PtCo) 연료전지 촉매의 활성과 내구성을 예측·검증할 수 있는 계산-실험 통합 플랫폼을 개발했다고 26일 밝혔다.
제일원리계산은 가장 기초적인 물리 법칙만 가지고 물질의 성질을 컴퓨터로 예측하는 계산법이며 신경망 포텐셜(NNP)은 인공신경망을 활용해 원자들 사이의 상호작용을 초고속으로 계산해 내는 시뮬레이션 기법을 말한다.
연료전지는 수소와 산소의 반응으로 전기를 생산하는 친환경 에너지 기술이다. 수소경제 실현을 위한 핵심 기술로 평가받고 있지만, 산소환원반응(ORR)이 느리고 가장 널리 사용되는 백금 기반 촉매는 장시간 운전 시 금속 용출 등으로 성능이 저하되는 문제가 있었다.
연구팀은 이런 한계를 극복하기 위해 AI가 양자역학 계산 데이터를 학습하는 신경망 포텐셜(NNP) 기술에 주목했다.
백금-코발트 합금 촉매에 대한 양자역학 계산 데이터를 구축한 뒤, 이를 학습한 AI 모델을 개발했다. 이를 활용해 실제 촉매와 유사한 크기의 나노입자 구조를 예측해 다양한 원자 배열이 촉매 성능에 미치는 영향을 분석한 후, 금속이 녹아 나오는 정도를 나타내는 용출전위를 계산해 촉매의 안정성과 내구성을 평가했다.
이번 연구에서는 백금, 무질서 PtCo 합금, 고정렬 PtCo 합금 구조를 비교해 산소 흡착 특성, 반응 경로, 자유에너지 변화 등을 분석했다.
그 결과 고정렬 PtCo 구조는 원자 간 결합력이 강해 금속 용출 가능성이 낮고, 장기간 운전 조건에서도 안정적으로 성능을 유지할 가능성이 높은 것으로 나타났다.
연구팀은 이 같은 계산 결과를 실제 촉매 합성과 전기화학 성능 평가, 가속열화시험을 통해 검증, 신뢰성을 확보했다.
서민호 교수는 "이번 연구는 원자 배열과 내부 구조가 성능과 수명을 결정한다는 사실을 AI 기반 분석으로 입증한 성과"라며 "향후 연료전지뿐 아니라 다양한 합금 촉매와 전극 소재 개발에도 적용할 수 있는 플랫폼으로 발전시킬 계획"이라고 말했다.