‘오래 쓰는 연료전지’ 비밀… AI로 찾아냈다 

- 원자 수준 분석으로 고성능 수소에너지 촉매 설계 방향 제시

인공지능 예측 기반 고활성·고내구 연료전지 촉매 설계. (자료제공: 한국연구재단)

국내 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.

한국연구재단(이사장 홍원화)은 국립부경대학교 서민호 교수와 한국재료연구원 최승목 박사 공동연구팀이 제일원리계산과 머신러닝 기반 신경망 포텐셜(Neural Network Potential, NNP)을 결합해 백금-코발트(PtCo) 연료전지 촉매의 활성과 내구성을 예측·검증할 수 있는 계산-실험 통합 플랫폼을 개발했다고 6월 27일 밝혔다. 

이번 연구 성과는 과학기술정보통신부와 한국연구재단이 추진하는 H2NEXTROUND(청정수소 원천기술 밸류업 및 육성을 위한 국가 연구개발 사업) 및 H2GATHER(국가전략기술인 수소 분야의 글로벌 기술경쟁력을 확보하기 위해 추진하는 차세대 수전해 기술 자립 및 고도화 목적의 수소 국제공동연구 사업) 사업의 지원으로 수행됐으며, 재료·에너지 분야 국제학술지 '어드밴스드 펑셔널 머티리얼즈(Advanced Functional Materials)'에 6월 2일 온라인 게재됐다. 

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.

이를 해결하기 위해 촉매 내부 원자들의 배열과 반응 과정의 변화를 원자 수준에서 이해해야 하지만, 기존 제일원리계산은 계산 비용이 매우 커 실제 촉매 크기의 나노입자를 분석하기 어려웠다.

연구팀은 이런 한계를 극복하기 위해 AI가 양자역학 계산 데이터를 학습하는 신경망 포텐셜(NNP) 기술에 주목했다. 먼저 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(Pt), 무질서 PtCo 합금, 고정렬 PtCo 합금 구조를 비교해 산소 흡착 특성, 반응 경로, 자유에너지 변화 등을 분석했다.

그 결과 고정렬 PtCo(백금(Pt)과 코발트(Co) 원자가 일정한 규칙과 패턴을 가지며 자리를 잡도록 만든 구조)는 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 검증함으로써 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 밝혔다.

[Ceramic Korea (세라믹뉴스)=이광호 ]