한국과학기술연구원(KIST·원장 윤석진)이 수소연료전지 수명 근간인 촉매 안정성을 빠르게 계산할 수 있는 인공지능(AI) 기술을 개발했다.
KIST는 계산과학연구센터의 한상수, 김동훈 박사와 이혁모 한국과학기술원(KAIST) 신소재공학과 교수 공동연구팀이 수 나노미터(㎚) 크기 백금 나노입자에 대한 ‘표면 푸베이 도표’를 빠르고 정확하게 구성하는 AI를 개발했다고 14일 밝혔다.
수소 자동차용 ‘양성자 교환막 연료전지(PEMFC)’에는 백금계 촉매가 주로 사용한다. 이는 연료전지 수명과 직결돼 촉매 안정성을 높이는 연구가 필수다.
수소 이온농도와 전압에 따른 물질 표면 구조를 표기한 ‘표면 푸베이 도표’를 이용해 안정성을 예측할 수 있다.
표면 푸베이 도표는 밀도범함수이론(DFT:물질 내 전자가 들어있는 모양과 에너지를 양자역학으로 계산하기 위한 이론)을 이용한 시뮬레이션으로 구할 수 있지만, 나노입자 구조 백금촉매는 수천 시간이 소요된다.
연구팀은 이에 ‘임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델’을 개발했다. 기존 ‘결정 그래프 합성곱 신경망 모델(CGCNN:물질 원자구조를 그래프화하고 합성곱 신경망으로 물성을 예측하는 모델)’에 원자 간 결합 종류를 고려하는 결합 임베딩기술을 도입했다.
이 모델로 백금 나노입자 표면 흡착 에너지를 밀도범함수이론 계산 대비 0.1전자볼트(eV) 오차 수준으로 예측할 수 있다.
기존 CGCNN 모델과 비교해서는 최대 85.7% 오차가 감소했다. 약 5㎚ 크기 백금 나노입자 표면 푸베이 도표 계산에 걸린 시간은 약 70초였다. 기존엔 시간이 1년 이상 걸리던 계산이다.
한상수 박사는 “다양한 금속 및 합금 나노입자 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용 가능할 것”이라고 말했다.
김동훈 박사는 “향후 이 기술을 활용해 연료전지 수명이 획기적으로 연장될 것으로, 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다.
김영준 기자 kyj85@etnews.com
