GIST 이재영 교수 연구팀(지구·환경공학부)이 ‘딥러닝 알고리즘(Deep Learning Algorithm)’을 통해 그린수소 생산에 필요한 수전해 촉매의 비귀금속(철-니켈) 최적 조합 비율을 계산하는 데 성공했다.
 

▲ (왼쪽부터) 이재영 교수, 박지현 박사, 강신우 연구원 (이미지=GIST)

이번 연구는 친환경 그린수소의 생산 효율을 높여 수소연료전지 엔진이 탑재된 트럭,트레일러, 기차 등 대량 수송기관의 보급에 도움을 줄 수 있을 것으로 기대된다. 

온실가스 배출 없이 물을 전기 분해해 수소(그린수소)를 생산하기 위한 방법으로 주목받고 있는 수전해는 물이 전기 분해되기 위한 이론상 전위값인 이론 전위(1.23V)보다 높은 전압을 인가해주어야 수소가 발생한다.  

이론 전위보다 높은 전압(과전압)은 결국 많은 에너지를 소모하게 되므로, 그린수소를 생산하기 위해서는 과전압을 낮추는 것이 핵심 기술이다.  

이때, 산소극(+극)은 수소극(-극)보다 5~10배 정도 높은 과전압을 가지고있기 때문에 결국 이 산소극 촉매의 과전압을 낮추는 것이 효율적인 그린수소 생산의 핵심 기술이라고 할 수 있다. 

이리듐계 귀금속 촉매는 산소극의 과전압을 낮추는 데는 효과적이지만 가격이 매우 비싸 실용화에 걸림돌이 되고 있다 

철과 니켈은 대표적인 비귀금속 전극촉매로서 가격이 낮고 매장량이 풍부하며 산소 발생을 위해 높은 과전압을 가지지만, 두 촉매를 적절히 조합하면 시너지 효과로 인해 과전압을 낮출 수 있다. 

하지만, 과전압을 낮추기 위한 많은 시도에도 불구하고, 보다 정밀한 비율을 실험적으로 제시한 연구 결과는 찾아볼 수 없는 상황이다. 

지스트(광주과학기술원) 지구·환경공학부 이재영 교수 연구팀은 수전해 시스템에서 사용하는 비귀금속 촉매인 철과 니켈의 최적 비율을 인공지능 딥러닝(Deep Learning)을 통해 제시했다.  

▲ 그린수소 생산을 위한 수전해 공정에서 인공지능을 통해 철-니켈 비율을 특정하는 개념도(이미지=GIST)

연구팀은 철-니켈 촉매를 다양한 비율로 합성하고 그 특징들을 변수로 추출하여 데이터베이스를 만들었고, 딥러닝(Deep Learning)을 통해 철-니켈 촉매의 수많은 변수를 종합해 과전압을 표현하는 수식을 제시했다.

이 수식을 통해 과전압이 최솟값일 때의 철-니켈 촉매의 최적 비율 ‘철(Fe):니켈(Ni) = 8.7 : 91.3’을 도출했다.  

이재영 교수는 “이번 연구 성과는 그린수소를 생산하기 위한 수전해 촉매가 나아가야 할 방향을 인공지능이 제시한 것”이라며 “딥러닝 알고리즘이 촉매가 가진 자연 특성뿐만 아니라 두 금속 간의 최적 비율을 계산해 낸 놀라운 결과”라고 말했다.  

지스트 이재영 교수팀이 수행한 이번 연구는 지스트의 <AI기반 사회문제 해결 융합인재 양성 지원사업>, 한국연구재단의 <해외우수연구기관협력 허브구축사업>의 지원으로 수행됐으며, 화학 분야의 세계적인 학술지인 ‘저널 오브 머티리얼즈 케미스트리 A (Journal of Materials Chemistry A)’에 표지논문으로 선정되어 2022년 7월 15일자 온라인으로 게재됐다. 

글. 이지은 기자 smile20222@brainworld.com | 사진 및 자료출처 = 광주과학기술원(GIST)