(왼쪽부터) KU-KIST융합대학원 백서인 교수(교신저자), 푸단대학교 쿤 지앙(Kun jiang) 교수(교신저자), KU-KIST융합대학원 목동현 석박통합과정(제1저자) [사진출처=고려대학교]
[한국강사신문 한민 기자] 생성형 인공지능과 능동학습이 만난 자리에서, 과학은 한층 더 정교하고도 빠르게 진화했다. 고려대학교 KU-KIST융합대학원 백서인 교수 연구팀은 푸단대학교 쿤 지앙 교수 연구팀과의 협력을 통해, 산소를 과산화수소로 전환하는 고성능 촉매 후보 34종을 발굴하는 데 성공했다. 이번 성과는 촉매 탐색의 패러다임을 바꾸는 의미 있는 진전으로 평가된다.
과산화수소는 살균과 표백, 화학 합성 등 산업 전반에서 핵심적으로 활용되는 물질이다. 특히 최근에는 산소를 직접 과산화수소로 바꾸는 친환경 전기화학 공정, 이른바 ‘2전자 산소환원반응(2e-ORR)’이 주목받고 있다. 그러나 뛰어난 성능의 촉매를 찾아내기 위해서는 막대한 시간과 비용이 소요된다는 점이 오랜 과제로 남아 있었다.
연구팀은 이러한 한계를 정면으로 돌파했다. 기존에 개발한 촉매 생성형 AI 모델 ‘CatGPT’에 능동학습 기법을 접목해, 스스로 학습하고 진화하는 탐색 시스템을 구축한 것이다. ‘CatGPT’가 새로운 촉매 구조를 제안하면, 초고속 예측 도구인 ‘기계학습 포스 필드(MLFF)’가 그 성능을 신속하게 평가하고, 그 결과를 다시 학습에 반영하는 순환 구조가 작동한다. 이 반복 과정 속에서 AI는 점점 더 정교한 촉매를 스스로 설계해 나간다.
그 결과는 인상적이다. 정밀한 ‘밀도범함수(DFT)’ 계산을 통해 최종 검증된 촉매들은 높은 활성과 선택성을 동시에 만족시키며, 총 34종의 유망 후보군으로 도출됐다. 특히 활성 촉매 생성 비율을 약 50% 수준까지 끌어올렸고, 기존 대규모 스크리닝 방식 대비 GPU 사용량은 약 80%, CPU 사용량은 약 96%까지 줄이는 획기적인 효율성을 확보했다.
연구팀은 이 가운데 MnPt₃와 Pd₃Zn을 대표 촉매로 선정해 추가 검증을 진행했다. 두 물질 모두 ‘2전자 산소환원반응’에서 탁월한 성능을 보였으며, 특히 MnPt₃는 산성 환경에서도 높은 과산화수소 선택성을 유지하는 새로운 가능성을 제시했다.
이번 연구는 단순한 촉매 발견을 넘어, 인공지능이 과학적 탐구의 동반자로 자리매김하고 있음을 보여주는 상징적인 사례다. 빠르고 정확하며, 스스로 진화하는 AI 기반 탐색 기술은 앞으로 친환경 에너지와 화학 산업 전반에 새로운 지평을 열 것으로 기대된다.
주요
기사
댓글
0