▲ 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비

국내 연구진이 수소차에 주로 사용되는 연료전지의 촉매 안정성에 대해 기존 1년 걸리던 계산을 AI(인공지능)을 통해 단 70초로 단축할 수 있는 기술을 개발했다.

한국과학기술연구원(원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 AI 기술을 개발했다고 지난 14일 밝혔다.

공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망 모델(BE-CGCNN)을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망 결정 그래프 합성곱 신경망모델에 원자 간 결합 종류를 고려하는 결합 임베딩 기술을 도입한 것이다.

BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 전자볼트 에너지의 단위로, 전자 하나가 1볼트의 전위를 거슬러 올라갈 때 드는 에너지로 정의 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다.

기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸렸다.

KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다.

KIST 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다며 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다.

한편 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 ‘Nature Communications’에 5월 25일 온라인 게재됐다.