AI가 빚어낸 궁극의 ‘그린수소’ 촉매… 신소재 개발 판도 바꾼다 작성일 05-28 51 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">서로 다른 두 촉매 물질 융합해 한계 극복<br>물질군 경계 뛰어넘은 신소재 발굴 성공</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="qL5rkQB3hg"> <figure class="figure_frm origin_fig" contents-hash="b8708780d8c623aa3e428ad7c3a469f1bdfa172c7179acd6696674d79c9c53de" dmcf-pid="Bo1mExb0Co" dmcf-ptype="figure"> <p class="link_figure"><img alt="[픽사베이]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202605/28/mk/20260528180302093ykbv.png" data-org-width="700" dmcf-mid="VdDx8FTsWX" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202605/28/mk/20260528180302093ykbv.png" width="658"></p> <figcaption class="txt_caption default_figure"> [픽사베이] </figcaption> </figure> <div contents-hash="17fd503e35f5e230e1973363ce8fe7430eb826345890ac6be6a79665e9ded9bc" dmcf-pid="bgtsDMKpSL" dmcf-ptype="general"> 물을 전기로 분해해 탄소 배출 없이 수소를 얻는 ‘그린수소’는 미래 친환경 에너지의 핵심으로 꼽힌다. 하지만 상용화에는 큰 걸림돌이 있었다. 수소를 만들기 위해 물을 분해할 때 필수적으로 수반되는 ‘산소 발생 반응’이 너무 느리고 막대한 에너지를 소모한다는 점이다. </div> <p contents-hash="87586de5b4a250a9337ed4128623d0ce6f31b45bd640c7e9d8f0fa76846e4c20" dmcf-pid="KaFOwR9Uyn" dmcf-ptype="general">이를 극복하기 위해 반응을 빠르게 돕는 고성능 촉매가 필수적이지만, 기존의 촉매 개발은 대개 하나의 물질군 안에서만 가장 나은 후보를 찾아내는 한계가 있었다. 이런 가운데 국내 연구진이 인공지능(AI)을 활용해 전혀 다른 두 물질의 장점만을 골라 결합하고 인간의 직관으로는 상상하기 어려웠던 역대 최고 성능의 수소 생산 촉매를 찾아내 학계의 주목을 받고 있다.</p> <p contents-hash="9ad344481fbca0fbedcb1303c59504cff49115dcec888b5884bbdb283726b10c" dmcf-pid="9N3Ire2uSi" dmcf-ptype="general">기초과학연구원(IBS) 나노입자연구단 소속 서울대학교 화학생물공학부 현택환 교수와 문준석·유승우 연구원 연구팀은 딥러닝 AI를 활용해 서로 다른 물질군의 경계를 뛰어넘는 최고 성능의 촉매를 발견했다고 28일 밝혔다. 이 연구 결과는 같은날 국제 학술지 ‘네이처 머티리얼즈(Nature Materials)’ 온라인판에 게재됐다.</p> <p contents-hash="87692b176dddfb6354015816f340a36dc5b88abb53e219529cbcf88eaf8d54ff" dmcf-pid="2j0CmdV7CJ" dmcf-ptype="general">진짜 뛰어난 촉매는 서로 다른 물질군의 장점을 결합할 때 탄생할 수 있다. 연구진은 이 목표를 달성하기 위해 AI에게 두 종류의 촉매 데이터를 함께 학습시켰다. 촉매 표면에서 금속 원자가 어떻게 작동하는지 알려주는 ‘탄소 지지 단일원자 촉매’ 데이터와, 촉매 내부 벌크 구조가 성능에 어떤 영향을 주는지 알려주는 ‘페로브스카이트 산화물’ 데이터를 결합한 것이다.</p> <p contents-hash="3cfbb888e8bf34c6fd1dad33c0f877e2016f82cb74cd5388fca7569512152f02" dmcf-pid="VAphsJfzWd" dmcf-ptype="general">이후 연구진은 AI가 학습한 적 없는 새로운 촉매군, 즉 페로브스카이트 산화물 표면에 금속 단일원자를 고정한 촉매를 예측 대상으로 삼았다. 모델은 촉매 성능과 관련된 핵심 공통 인자들을 바탕으로 후보들의 성능 순위를 예측했고, 연구진은 이를 실제 합성 및 전기화학 측정으로 검증했다. 그 결과 AI가 예측한 12종 촉매의 성능 순위가 실험 결과와 정확히 일치했다. 나아가 여러 금속 단일원자를 함께 고정한 촉매를 설계해 기존 학습 데이터에 포함된 촉매들과 새로 합성한 촉매들을 모두 뛰어넘는 최고 성능 소재를 찾아냈다.</p> <figure class="figure_frm origin_fig" contents-hash="8ccd813f635e7d91b36712f2913949bdef2caa28065abf3503bc555e9079d811" dmcf-pid="fYMUFIjJTe" dmcf-ptype="figure"> <p class="link_figure"><img alt="[사진제공=IBS]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202605/28/mk/20260528180303458cfbo.png" data-org-width="700" dmcf-mid="z5iBuvDgWa" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202605/28/mk/20260528180303458cfbo.png" width="658"></p> <figcaption class="txt_caption default_figure"> [사진제공=IBS] </figcaption> </figure> <div contents-hash="594f654c4f54d4aae02815d2bd8cb986fa185dd6729bd36a0a975ff042233eda" dmcf-pid="4GRu3CAiTR" dmcf-ptype="general"> 이번 연구의 가장 큰 차별점은 AI가 하나의 물질군 안에서 후보를 고르는 수준을 넘어, 서로 다른 물질군의 지식을 연결해 새로운 물질군을 예측했다는 데 있다. 또한 모델이 단순히 결과만 제시하는 데 그치지 않고, 촉매 성능과 관련된 핵심 인자를 도출해 성능 향상의 원인을 설명할 수 있도록 했다. 이는 AI 기반 촉매 개발이 ‘블랙박스 예측’에서 벗어나, 소재 설계 원리를 함께 제시하는 방향으로 발전할 수 있다는 것을 보여준다. </div> <p contents-hash="9cb775c0aea88e5ed6cc3b0e833275a54d3b00e0ce076295596419f9da80ea50" dmcf-pid="8He70hcnCM" dmcf-ptype="general">교신저자인 현택환 단장은 “이번 연구는 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 촉매뿐 아니라 배터리, 에너지 소재, 신약 개발 등 복잡한 물질 탐색이 필요한 다양한 분야로 확장될 수 있을 것”이라고 말했다. 공동 제1저자인 문준석 연구원은 “AI가 여러 물질군의 공통 언어를 학습하면, 사람이 미리 정해둔 후보군을 넘어 새로운 설계 방향을 제안할 수 있다.”며 “이번 연구는 일반화 가능한 범용 소재 AI로 나아가는 중요한 출발점”이라고 설명했다.</p> </section> </div> <p class="" data-translation="true">Copyright © 매일경제 & mk.co.kr. 무단 전재, 재배포 및 AI학습 이용 금지</p> 관련자료 이전 “AX 시대, 대학 교육 구조적 재설계 시급” 05-28 다음 “中에 뒤처진 로보틱스 생태계…대기업과 협업땐 선두권 가능” [서울포럼 2026] 05-28 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
