백서인 교수 연구팀, 인공지능을 이용해 산소 생성 반응에 유망한 더블 페로브스카이트 촉매 탐색, 국제 저명 학술지 Chemical Engineering Journal 게재




(왼쪽부터) 백서인 교수, 구근호 교수, 목동현 석박통합과정생

 

백서인 교수 연구팀은 한국에너지공과대학교 구근호 교수 연구팀과 공동으로 촉매의 안정성과 활성을 예측하는 인공지능 모델을 개발하고, 모델을 활용하여 다양한 분야에서 우수한 특성을 나타내는 소재로 주목 받고 있는 산화물 더블 페로브스카이트 (Double Perovskite Oxide, AABBO6) 촉매의 산소 생성반응 (Oxygen Evolution Reaction, OER)에 대한 안정성과 활성을 예측하고 유망한 촉매를 제시하였다.

* 논문명 : Machine Learning High-Throughput Screening of Double Perovskites for Enhanced Acidic Oxygen Evolution

연구팀은 AA′BB′O₆형 더블 페로브스카이트가 가질 수 있는 광범위한 화학 공간(Chemical space)에 주목하여 약 6,500개의 서로 다른 더블 페로브스카이트 구조를 생성하고 OER에 유망한 촉매를 찾기 위한 초고속 대용량 스크리닝 (High-Throughput Screening, HTS) 전략을 수행하였다. 먼저, 반응이 일어나는 고전압, 강산성 환경에서의 전기화학적 안정성 (Pourbaix stability)와 열역학적 안정성 (Energy above hull)을 촉매의 조성으로부터 예측하는 회귀 모델을 개발하여 안정성을 평가하였다. 그리고 대규모의 촉매 데이터로 사전 학습된 결정 그래프 신경망인 GemNet-OC 모델에 본 연구팀이 시뮬레이션을 통해 계산한 소규모 데이터로 미세 조정하여 약 14,000개의 표면 활성을 높은 정확도로 예측하였다. 

그 결과, OER에 유망한 더블 페로브스카이트 촉매로 잘 알려진 LaSrCoFeO₆ (LCSF) 보다 우수한 안정성과 활성을 보일 것으로 예측된 15종의 후보를 도출하였으며, B-사이트 금속 원소의 치환이 결정 안정성 조절에, 그리고 전이금속의 d-오비탈 전자 분포가 흡착 에너지 조절에 핵심적 역할을 했다는 촉매 설계 원리를 제시할 수 있었다. 본 연구에서 제안한 인공지능 기반 HTS 전략은 다양한 전기화학 분야에서 유망한 촉매를 빠르고 효율적이게 탐색할 수 있는 기반이 될 것으로 기대한다.