-
한전공대
-
한전공대
-
한전공대
KENTECH, 촉매 개발용 빅데이터 수집 알고리듬 개발 - KENTECH 구근호 교수 연구팀, 촉매 흡착물 빅데이터 수집, 반응 가능성 규명 - 국제학술지 Nature Commun. 게재, 대형 분자 촉매 현상 해석 및 촉매 개발 기대 |
KENTECH(총장 윤의준) 구근호 교수 연구팀은 KAIST(총장 이광형) 정유성 교수와 공동연구를 통해 촉매 연구에 중요한 흡착물 빅데이터 자동 수집 알고리듬을 개발하는 데 성공했다고 23일 밝혔다.
촉매 학계는 2000년대에 보급된 양자 계산을 통하여 새로운 촉매를 디자인할 수 있는 단계에 도달하였다. 이러한 연구 기술은 재생 촉매 기술들에 적용되어 물 분해 기반 수소 생산, CO2 저감 기반 화합물 생산, N2 저감 기반 암모니아 생산 등 기술에 쓰이는 촉매 발굴에 큰 역할을 하고 있다. 그러나 기존의 양자 계산은 큰 분자에 적용하기에는 많은 수작업이 필요하여 큰 분자 촉매 기술인 바이오매스 기반 화합물 생성, 바이오매스 개질 기반 수소 생산, 플라스틱 재활용, 신약 개발 등등 연구가 뒤처지고 있다.
KETECH의 구근호 교수 연구팀은 체계적 그래프 이론 및 힘의 장 방법론, 다중 정확도 양자 계산, 기계학습 등등 전산 모사 기법을 사용하여 흡착물 자료 자동 수집 알고리듬을 고안했고, 최대 6개의 탄소와 산소로 이루어진 흡착물 자료를 수집, 분석하였다.
연구팀은 수집된 흡착물 빅데이터를 분석하였는데 촉매에 따라 흡착할 수 있는 분자가 다르며 선택성이 높은 촉매는 중요한 분자를 선택적으로 흡착을 한다는 것을 발견하였다. 한 예로 화학 시장에서 기본원료 쓰이는 에틸렌 옥사이드는 Ag와 Cu 촉매를 사용해서 생산되는데, 빅데이터 분석 결과 유일하게 Ag와 Cu 촉매만 에틸렌 옥사이드 형성에 필요한 중간체 (반응물이 생성물에 이르는 과정에서 생성되는 물질) 가 흡착이 된다는 것이다.
구근호 교수는 “반응물을 원하는 물질로 만들려면 두 도시 간에 철도를 놓듯 중간체로 이루어진 길을 만들어줘야 한다. 만약 두 물질 사이의 길이 없으면 원하는 물질이 형성이 안 되고, 특정 촉매만 이 길을 가지고 있다면 그 촉매는 선택성이 높은 촉매가 될 수 있다”라며 “새로 개발된 알고리듬은 흡착물 화학 공간을 하나도 빠짐없이 조사를 할 수 있어 촉매들의 반응 지도를 만들 수 있다.”라고 밝혔다.
개발된 알고리듬을 활용하면 더 큰 데이터베이스를 만들 수 있어 이전에 어려웠던 큰 분자 촉매 현상을 분석하는 데 쓰일 수 있고 이를 통해 차후 큰 분자 가공법인 바이오매스 전환 및 플라스틱 재활용, 신약 개발 등에 필요한 촉매를 디자인하는데도 쓰일 수 있다.
KENTECH 에너지공학과 구근호 조교수가 제1 저자와 교신저자로 참여하고, KAIST의 정유성 교수와 델라웨어 대학교(University of Delaware)의 블라코스 교수가 공동교신저자로 함께 참여한 이 연구성과는 영국에서 설립된 Nature Research 출판사의 국제학술지 Nature Communications에 온라인 4월 26일 字에 실렸다. (논문명: Automated exploitation of the big configuration space of large adsorbates on transition metals reveals chemistry feasibility)
이번 C1사업단 사업의 지원을 받아 수행됐고, KISTI의 슈퍼컴퓨터 자원이 활용됐다. (끝).
붙임 : 연구개요, 용어설명, 사진설명, 교수이력
□ 연구개요
1. 연구 배경
분자 단위로 전산 모사를 할 수 있는 양자 계산은 촉매 분야에 20여년간 사용되어 촉매 현상 분석과 새로운 촉매 디자인에 큰 역할을 하고 있다. 특히 재생에너지 기술인 CO2저감, 물분해, N2 저감, 그리고 천연가스 사용을 위한 매탄 활용기술에 좋은 촉매를 찾아내었다. 하지만 이 전산 모사 기술은 큰 분자가 쓰이는 연구에는 번거로운 수작업 때문에 적용이 쉽지 않다. 양자 계산을 하려면 입력데이터를 만들어야 하는데 큰 분자의 경우 백만 개 이상의 입력데이터가 필요하기 때문이다. 이런 수작업을 자동화를 할 수 있다면 큰 분자 전환 기술이 필요한 바이오매스 전환 촉매, 플라스틱 재활용 촉매, 약 형성 촉매 등 연구에 큰 도움이 될 수 있다.
2. 연구 내용
본 연구에서는 계산을 자동화하기 위해 여러 가지의 시뮬레이션 기법이 만들어졌다. 체계적인 그래프 이론 방법론 및 힘의 장 방법론, 다중 정확도 양자 계산, 기계학습 등등이 사용된 방법들이다. 이러한 방법들로 양자 계산 6만 개를 수행하였고 6개의 탄소와 산소로 이루어진 흡착물들의 화학 공간을 분석하였다. 만들어진 빅데이터를 분석해 본 결과, 유일하게 Ag와 Cu가 에틸렌 옥사이드를 만드는 데 필요한 흡착물 중간체가 있다는 것이 발견되어 선택적인 촉매를 만드는 한 방법으로 흡착물 중간체를 조절할 수 있다는 결론이 나왔다. 이 결과를 바탕으로 선택적인 촉매들도 몇 가지 제안이 되었다. 만들어진 알고리듬은 더 큰 분자 데이터베이스를 만들어 큰 분자 전환 연구를 가속하는데 쓰일 예정이다.
□ 사진 설명

그림 1. 개발된 알고리듬을 통해 자동으로 계산된 흡착물 예시. 6개의 탄소와 산소로 이루어진 흡착물은 백만 개 정도가 되어 수작업으로 계산할 수 없으나 이번 연구에서 발표된 알고리듬으로 자동화를 통해서 큰분자 빅데이터를 만들 수가 있다.

그림 2. 길 분석을 통하여 에틀린 옥사이드에서 선택적으로 만들 수 있는 물질을 보여준다.
흡착물 빅데이터 분석을 하면 선택성이 높은 촉매들을 찾을 수 있다.