AI, 다른 물질군 융합→최고 성능 촉매 찾았다

9 hours ago 1

정종오 기자 입력 2026.05.28 18:00

IBS 연구팀, 촉매 찾아내고 성능까지 예측

[아이뉴스24 정종오 기자] 기초과학연구원(IBS, 원장 직무대행 김영덕) 나노입자 연구단 현택환 연구단장(서울대 화학생물공학부 석좌교수) 연구팀은 서로 다른 촉매 물질군의 실험 데이터를 하나의 인공지능(AI) 모델에 통합해 기존에 없던 촉매군을 찾아내고 성능까지 예측하는 기술을 개발했다.

연구팀은 이 기술로 그린수소 생산에 필요한 산소 발생 반응 촉매를 탐색하고, 새롭게 예측한 다중금속 단일원자 촉매가 기존 촉매들을 모두 뛰어넘는 최고 성능을 보임을 실험으로 검증했다.

수전해는 물을 전기로 분해해 수소를 만드는 친환경 수소 생산 기술이다. 이 과정에서 함께 일어나는 산소 발생 반응은 속도가 느리고 많은 에너지를 필요로 한다. 이를 개선하려면 반응을 빠르고 효율적으로 돕는 고성능 촉매 개발이 필수적이다.

서로 다른 촉매 물질군을 결합해 새로운 촉매군의 성능을 예측하는 기계학습 모델 모식도. [사진=IBS]

촉매 성능은 구성 원소, 원자 배열, 표면 구조 등 수많은 요인에 따라 달라진다. 가능한 물질 조합이 매우 많아 연구자의 직관과 반복 실험만으로는 최적의 촉매를 찾기 어렵다.

최근 기계학습은 촉매 개발 속도를 높이는 도구로 주목받고 있다. 기존 연구는 대부분 단일원자 촉매, 산화물 촉매, 금속 촉매 등 하나의 물질군 안에서 가장 좋은 후보를 찾는 데 집중해 왔다. 실제 산업적으로는 특정 물질군 안의 최고가 아니라, 여러 물질군을 통틀어 가장 우수한 ‘최고 중의 최고’ 촉매를 찾는 것이 중요하다. 이번 연구는 서로 다른 촉매군의 지식을 통합해 새로운 촉매군으로 확장했다는 점에서 기존 연구와 차별화된다.

연구팀은 그린수소 생산 과정에서 산소 발생 반응을 돕는 서로 다른 두 촉매 물질군, 즉 단일원자 촉매와 페로브스카이트 산화물 촉매의 데이터를 결합하는 ‘크로스브리딩 신경망(Crossbreeding Neural Network, CBNN)’을 개발했다.

단일원자 촉매는 금속 원자를 하나씩 촉매 표면에 고정해 적은 양의 금속으로도 높은 효율을 내도록 만든 촉매다. 페로브스카이트 산화물은 여러 금속 원소의 조합을 바꿔 성질을 조절할 수 있는 산화물 촉매다.

연구팀은 단일원자 촉매의 ‘표면 정보’와 페로브스카이트 산화물의 ‘내부 구조 정보’를 각각 AI에 입력하고 두 정보를 하나의 모델 안에서 함께 학습하도록 설계했다.

이후 연구팀은 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 연구팀은 이를 실제 합성과 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.

이번 연구의 가장 큰 차별점은 AI가 하나의 물질군 안에서 후보를 고르는 수준을 넘어 서로 다른 물질군의 지식을 연결해 새로운 물질군을 예측했다는 데 있다.

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 블랙박스 예측 : AI의 예측 결과는 확인할 수 있지만, 그 판단 근거를 해석하기 어려운 방식

’에서 벗어나, 소재 설계 원리를 함께 제시하는 방향으로 발전할 수 있음을 보여준다.

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 “앞으로 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.

연구 결과(Cross-material catalyst discovery via deep learning)는 28일 국제학술지 ‘네이처 머터리얼스(Nature Materials, IF 38.5)’ 온라인판에 실렸다.

/정종오 기자(ikokid@inews24.com)

포토뉴스