- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- KIST 본원 내 KIST-토페스 링킹랩 설치 - 실시간 차량 검출·추적이 가능한 AI 기반 교통관제 기술 상용화 협력 한국과학기술연구원(KIST, 원장 윤석진)은 6월 13일(화) 서울 성북구 KIST 본원에서 토페스(대표이사 박병진)와 AI 기반 실시간 차량 검출·추적·속도 추정 기술 개발을 위한 기술이전 조인식 및 링킹랩(Linking Lab) 사업 현판식을 개최했다고 밝혔다. 두 기관은 향후 2년간 해당 기술에 대해 협력 연구를 수행해 스마트 시티에 적용할 수 있는 교통관제 기술 상용화에 힘을 합친다는 계획이다. 첨단 ICT 기술을 기반으로 교통, 에너지, 시설 비효율 등 각종 도시문제를 해결하는 스마트 시티 기술은 도시화율이 81%가 넘는 우리나라에서 시민의 삶을 향상시키는 핵심기술로 손꼽힌다. 그중에서도 스마트 교통 시스템 분야는 도시의 안전을 위해 필수적인 요소로 많은 기술 수요와 함께 비약적인 발전이 이뤄지고 있다. 연구 책임자인 KIST 김익재 AI·로봇연구소장은 “본 기술은 CCTV 영상을 분석해 실시간 차량 검출 추적이 가능한 지능형 교통관제 기술로 공공의 질서와 시민의 안전을 위한 핵심기술이다”라며 “기술이전 및 링킹랩 사업을 통해 제품의 빠른 상용화를 기대한다”고 밝혔다. 윤석진 원장은 “KIST와 토페스의 협력은 기술이전 계약을 체결한 기업의 상용화 과정을 적극적으로 지원하는 링킹랩 사업의 대표적 예가 될 것이다. 특히 토페스의 사업 분야가 국민의 안전을 지키는 공공분야인 만큼 키스트의 기술이 국민의 안전한 삶에 기여하기를 기대한다”라고 말했다. 토페스 박병진 대표는 “급변하는 국내·외 기술변화에 맞춰 다양한 기술과 유능한 인적자원을 보유한 KIST의 기술을 이전받아 당사의 교통안전 솔루션 완성을 위한 협력 연구를 진행하게 되었다. 본 협력으로 토페스가 100년 기업으로 성장하는 초석이 되길 희망한다”며 “해당 기술의 상용화와 적용분야 확대를 통해 해외 진출에도 힘쓸 예정이다”라고 밝혔다. 토페스는 1984년 오리엔탈전자시스템(주)으로 설립되었고 1992년 국내 최초로 무인교통단속시스템을 개발한 이후 교통솔루션 전문기업으로 성장했다. 2023년 1월에는 이를 이륜차를 포함한 딥러닝기반의 전후방 단속시스템으로 확대해 우수조달기업으로 지정되었다. [사진 1] KIST와 (주)토페스 기술이전 조인식에 참석한 관계자들이 단체 기념 촬영을 하고 있다. [사진 2] 윤석진 KIST 원장(좌)과 박병진 (주)토페스 대표이사(우)가 링킹랩 사업 현판식 기념 촬영을 하고 있다.

- 계면제어형 비백금계 고활성 촉매 제작 통한 신규 구조 제어 기술 구현 - 음이온교환막 수전해 기술 중 최고 수준 성능 비백금계 음극촉매 개발 사람들은 수소를 환경오염 물질을 전혀 발생시키지 않는 깨끗한 에너지원으로 생각한다. 하지만 화석연료를 사용해 이산화탄소를 배출하는 ‘그레이 수소’, 그레이 수소 생산 과정에서 배출되는 이산화탄소를 포집하여 생산하는 ‘블루 수소’는 완전한 청정 에너지원과는 거리가 있다. 생산 과정에서 탄소를 전혀 배출하지 않는 ‘그린 수소’는 물을 전기 분해해 분리막으로 이온을 이동시킴으로써 수소와 산소를 생성하는 수전해 방식으로 생산한다. 한국과학기술연구원(KIST, 원장 윤석진)은 물질구조제어연구센터 이성수 박사와 성균관대학교(총장 유지범) 에너지과학과 윤원섭 교수, 화학공학·고분자공학부 유필진 교수가 공동연구를 통해 산소 발생 반응(OER) 성능을 높인 촉매소재 계면 제어기술을 개발했다고 밝혔다. 산소 발생 반응 촉매는 물을 분해하여 수소를 생산하는 속도와 효율성을 높이는 역할을 담당한다. 그러나 산소 발생 반응 촉매의 구조-성능 간 상관관계와 이를 바탕으로 한 촉매 구조 제어 기술 연구는 부족하여 단순한 입자 형태의 금속 촉매 혹은 복잡한 제작과정이 필요한 계면 촉매를 주로 사용해왔다. 철 원자는 산화수가 다양한 원소 중 하나로, 높은 산화수를 가지면 활성점이 증가하고 전하의 이동 속도가 빨라져 산소발생 반응성능이 극대화된다. 일반적으로 금속 나노입자의 기상 반응에서는 반응물이 기체 상태이기 때문에 원하는 촉매 구조를 달성하도록 반응성을 제어하기 어렵다. 연구팀은 기상 반응을 제어하여 고산화수 원자를 갖는 촉매 구조를 얻기 위해 기체 투과도가 낮은 고결정성 흑연 탄소 껍질로 둘러싸인 금속 나노입자를 합성했다. 이후 기상 반응을 수행한 결과 고결정성 흑연 탄소 껍질의 제한적인 기체 투과성으로 인해 커켄달 효과가 불완전하게 발생하여 나노입자 내 공극이 적은 환경이 만들어졌고, 촉매 계면에서 철 원자가 높은 산화수를 가지는 구조를 구현할 수 있었다. 연구팀은 이렇게 개발한 촉매를 최근 가장 주목받고 있는 음이온 교환막 수전해(AEMWE) 장치의 음극의 산소 발생 반응 촉매로 활용했다. 그 결과 최근 에너지 분야 권위지에 발표된 음이온 교환막 수전해 기술에 적용되는 비백금계 촉매 성능보다 고전류밀도 성능을 2.0 V 조건에서 약 1.5배 높일 수 있었다.(12.26 A/cm2 @ 2.0 V 및 6.34 A/cm2 @ 1.8 V). 성균관대 유필진 교수는 “이번 연구에서 개발한 신규 계면 제어기술로 촉매 재료의 구조-전기화학적 성능 상관관계 연구의 다각화가 가능해졌다”고 연구의 의의를 밝혔다. KIST 이성수 박사는 “그린 수소의 운전비용 및 에너지 효율을 획기적으로 개선함으로써 향후 대형 수소기반 발전소, 선박, 트럭, 잠수함, 드론, 비행기 등 신규 수소산업 형성에 기여할 것”이라고 기대했다. 이번 연구는 과학기술정보통신부(장관 이종호)의 지원으로 미래소재디스커버리사업(2018M3D1A1058624) 집단연구지원사업(2021R1A4A1024129), 개인기초연구(2021R1C1C2095034), 세종과학펠로우십(2021R1C1C2095034), KIST 주요사업(Young Fellow)으로 수행되었으며, 결과는 국제 학술지 ‘Applied Catalysis B: Environmental(IF: 24.319, JCR(%): 0.93)’에 게재되었다. [그림 1] 흑연 탄소 껍질을 갖는 금속 입자를 기반으로 한 확산 속도가 제어된 음이온 확산 제한형 Kirkendall 효과 및 이종 계면 구조의 설계에 대한 전체 개념도 [그림 2] FeCo/FeCoP 이종 계면을 갖는 촉매 소재의 투과전자현미경 사진 및 에너지 분산 X-선 분광법 기반의 원소 분석 결과 [그림 3] 음이온교환막 수전해 적용의 모식도 / 다양한 음극 촉매에 따른 수전해 장치 성능 (전류-전압 그래프)을 나타냄. / 수전해 장치의 동일 전류밀도 인가 조건에서의 장기 내구성 테스트. 100시간 동안의 구동을 통한 안정한 수소 생산 확인함. ○ 논문명: HIgh-valent metal site incorporated heterointerface catalysts for high-performance anion-exchange membrane water electrolysers ○ 게재일: 2023.09.15. ○ DOI: https://doi.org/10.1016/j.apcatb.2023.122816 ○ 논문저자 - 최관현 박사후연구원(제1저자/KIST 물질구조제어연구센터) - N. Clament Sagaya Selvam 박사후연구원(제1저자/성균관대학교) - 이성수 선임연구원(교신저자/KIST 전자파솔루션융합연구원) - 윤원섭 교수(교신저자/성균관대학교 에너지과학과) - 유필진 교수(교신저자/성균관대학교 화학공학과)

- 계면제어형 비백금계 고활성 촉매 제작 통한 신규 구조 제어 기술 구현 - 음이온교환막 수전해 기술 중 최고 수준 성능 비백금계 음극촉매 개발 사람들은 수소를 환경오염 물질을 전혀 발생시키지 않는 깨끗한 에너지원으로 생각한다. 하지만 화석연료를 사용해 이산화탄소를 배출하는 ‘그레이 수소’, 그레이 수소 생산 과정에서 배출되는 이산화탄소를 포집하여 생산하는 ‘블루 수소’는 완전한 청정 에너지원과는 거리가 있다. 생산 과정에서 탄소를 전혀 배출하지 않는 ‘그린 수소’는 물을 전기 분해해 분리막으로 이온을 이동시킴으로써 수소와 산소를 생성하는 수전해 방식으로 생산한다. 한국과학기술연구원(KIST, 원장 윤석진)은 물질구조제어연구센터 이성수 박사와 성균관대학교(총장 유지범) 에너지과학과 윤원섭 교수, 화학공학·고분자공학부 유필진 교수가 공동연구를 통해 산소 발생 반응(OER) 성능을 높인 촉매소재 계면 제어기술을 개발했다고 밝혔다. 산소 발생 반응 촉매는 물을 분해하여 수소를 생산하는 속도와 효율성을 높이는 역할을 담당한다. 그러나 산소 발생 반응 촉매의 구조-성능 간 상관관계와 이를 바탕으로 한 촉매 구조 제어 기술 연구는 부족하여 단순한 입자 형태의 금속 촉매 혹은 복잡한 제작과정이 필요한 계면 촉매를 주로 사용해왔다. 철 원자는 산화수가 다양한 원소 중 하나로, 높은 산화수를 가지면 활성점이 증가하고 전하의 이동 속도가 빨라져 산소발생 반응성능이 극대화된다. 일반적으로 금속 나노입자의 기상 반응에서는 반응물이 기체 상태이기 때문에 원하는 촉매 구조를 달성하도록 반응성을 제어하기 어렵다. 연구팀은 기상 반응을 제어하여 고산화수 원자를 갖는 촉매 구조를 얻기 위해 기체 투과도가 낮은 고결정성 흑연 탄소 껍질로 둘러싸인 금속 나노입자를 합성했다. 이후 기상 반응을 수행한 결과 고결정성 흑연 탄소 껍질의 제한적인 기체 투과성으로 인해 커켄달 효과가 불완전하게 발생하여 나노입자 내 공극이 적은 환경이 만들어졌고, 촉매 계면에서 철 원자가 높은 산화수를 가지는 구조를 구현할 수 있었다. 연구팀은 이렇게 개발한 촉매를 최근 가장 주목받고 있는 음이온 교환막 수전해(AEMWE) 장치의 음극의 산소 발생 반응 촉매로 활용했다. 그 결과 최근 에너지 분야 권위지에 발표된 음이온 교환막 수전해 기술에 적용되는 비백금계 촉매 성능보다 고전류밀도 성능을 2.0 V 조건에서 약 1.5배 높일 수 있었다.(12.26 A/cm2 @ 2.0 V 및 6.34 A/cm2 @ 1.8 V). 성균관대 유필진 교수는 “이번 연구에서 개발한 신규 계면 제어기술로 촉매 재료의 구조-전기화학적 성능 상관관계 연구의 다각화가 가능해졌다”고 연구의 의의를 밝혔다. KIST 이성수 박사는 “그린 수소의 운전비용 및 에너지 효율을 획기적으로 개선함으로써 향후 대형 수소기반 발전소, 선박, 트럭, 잠수함, 드론, 비행기 등 신규 수소산업 형성에 기여할 것”이라고 기대했다. 이번 연구는 과학기술정보통신부(장관 이종호)의 지원으로 미래소재디스커버리사업(2018M3D1A1058624) 집단연구지원사업(2021R1A4A1024129), 개인기초연구(2021R1C1C2095034), 세종과학펠로우십(2021R1C1C2095034), KIST 주요사업(Young Fellow)으로 수행되었으며, 결과는 국제 학술지 ‘Applied Catalysis B: Environmental(IF: 24.319, JCR(%): 0.93)’에 게재되었다. [그림 1] 흑연 탄소 껍질을 갖는 금속 입자를 기반으로 한 확산 속도가 제어된 음이온 확산 제한형 Kirkendall 효과 및 이종 계면 구조의 설계에 대한 전체 개념도 [그림 2] FeCo/FeCoP 이종 계면을 갖는 촉매 소재의 투과전자현미경 사진 및 에너지 분산 X-선 분광법 기반의 원소 분석 결과 [그림 3] 음이온교환막 수전해 적용의 모식도 / 다양한 음극 촉매에 따른 수전해 장치 성능 (전류-전압 그래프)을 나타냄. / 수전해 장치의 동일 전류밀도 인가 조건에서의 장기 내구성 테스트. 100시간 동안의 구동을 통한 안정한 수소 생산 확인함. ○ 논문명: HIgh-valent metal site incorporated heterointerface catalysts for high-performance anion-exchange membrane water electrolysers ○ 게재일: 2023.09.15. ○ DOI: https://doi.org/10.1016/j.apcatb.2023.122816 ○ 논문저자 - 최관현 박사후연구원(제1저자/KIST 물질구조제어연구센터) - N. Clament Sagaya Selvam 박사후연구원(제1저자/성균관대학교) - 이성수 선임연구원(교신저자/KIST 전자파솔루션융합연구원) - 윤원섭 교수(교신저자/성균관대학교 에너지과학과) - 유필진 교수(교신저자/성균관대학교 화학공학과)