< (왼쪽부터) 우리 대학 정연식 교수, KIST 김진영 박사, 우리 대학 김예지 석사(현 MIT 박사과정) >
우리 대학 신소재공학과 정연식 교수 · 한국과학기술연구원 김진영 박사 공동 연구팀이 차세대 에너지원인 수소생산에 사용되고 있는 기존의 촉매 대비 20배 이상 효율을 더 높인 신개념 3차원 나노촉매 소재 기술개발에 성공했다고 8일 밝혔다.
수소 경제는 화석연료 중심의 현재 에너지 공급 체계에서 벗어나 수소를 주 에너지원으로 사용하는 미래형 산업 구조다. 수소는 친환경적이면서 높은 효율을 가지고 있다는 점에서 매력적인 에너지로 꼽히는데 우리 정부도 수소 경제 육성과 활성화를 위해 잰걸음을 내고 있다. 수소 경제 현실화를 위해서는 수소를 저렴하게 생산하는 문제가 핵심 과제 중 하나다. 이중에서도 '고분자 전해질막 수전해(polymer electrolyte membrane water electrolysis, PEMWE)' 기술은 태양전지 또는 잉여 전기에너지를 이용해 물을 전기분해함으로써 친환경적으로 순도가 높은 수소를 생산하는 차세대 유망 기술이다.
KAIST-KIST 공동연구팀은 전기분해 장치의 양극에 사용되는 고가의 이리듐(Ir) 촉매 사용량을 획기적으로 감축할 수 있는 새로운 개념의 3차원 촉매소재 기술을 개발하는 데 성공했다.
이리듐 촉매는 금 수준으로 매우 고가이므로 고분자 전해질막 수전해 장치 상용화를 위해서는 사용량 감축은 물론 효율을 대폭 개선할 필요가 있다.
연구팀은 3차원 프린팅과 유사한 원리인 초미세 전사프린팅 적층 기술을 활용해 '성냥개비 탑(Woodpile)' 형상의 3차원 이리듐 촉매 구조를 인쇄 방식으로 제작하는 기술을 개발했다. 무작위적 형상과 배열을 가지는 기존 상용 이리듐 나노입자 촉매와 달리 3차원 촉매는 규칙적 구조를 지니고 있기 때문에 촉매 표면에서 생성된 가스 버블(bubble)이 효율적으로 잘 빠져나오는 특징을 갖는다. 공동 연구팀 관계자는 결과적으로 3차원 촉매의 경우 높은 활성도를 유지한다고 설명했다.
성냥개비 탑 형상의 3차원 촉매를 사용하게 되면 훨씬 더 적은 양의 이리듐을 사용하고도 전기분해 장치의 성능을 더 높게 구현할 수 있는데, 이리듐 질량 당 촉매 효율로 환산하면 20배 이상의 높은 효율을 보일 정도의 획기적인 기술로 전문가들은 평가하고 있다.
우리 대학 신소재공학과 석사과정 졸업생이면서 미국 MIT 박사과정에 재학 중인 김예지 연구원이 제1 저자로 참여한 이번 연구결과는 국제학술지 '네이처 커뮤니케이션스(Nature Communications)' 10월 1일 字 온라인판에 게재됐다. (논문명: Highly efficient oxygen evolution reaction via facile bubble transport realized by three-dimensionally stack-printed catalysts)
< 그림 1. 성냥개비 탑 형상의 3차원 수소 촉매 및 성능 >
KIST 김진영 박사는 "이번 연구결과를 활용할 경우 귀금속 촉매 비용을 절감하면서도 동시에 성능을 획기적으로 증대시킬 수 있기 때문에 상업적 경쟁력 확보가 가능한 친환경 수소생산이 가능하다"고 전망했다.
우리 대학 정연식 교수는 특히 "연구팀이 개발한 3차원 적층 프린팅 방식의 촉매 생산기술은 복잡한 화학적 합성에 주로 의존하던 기존 기술의 패러다임을 뒤집은 것이며, 향후 이산화탄소 전환, 배기가스 감축 등 다양한 분야에 상업적으로 활용될 수 있을 것으로 기대된다"라고 강조했다.
이번 연구에는 우리 대학 기계공학과 김형수 교수, KIST 박현서 박사, 연세대 안현서 교수 등이 공동 연구진으로 참여했으며, Saudi Aramco-KAIST CO2 Management Center를 비롯, 과학기술정보통신부와 한국연구재단이 추진하는 글로벌프런티어 사업 및 수소에너지혁신기술개발사업, KIST 주요사업 등의 지원을 받아 수행됐다.
약 20년 전 아주 작은 나노 크기 0차원 강유전체 내부에 특이한 형태의 분극 분포가 발생할 수 있음이 로랑 벨라이쉬(Laurent Bellaiche) 교수(現 미국 아칸소대 물리학과 교수) 연구진에 의해 이론적으로 예측됐다. 해당 소용돌이 분포를 적절히 제어하면 기존에 비해 10,000배 이상 높은 용량의 초고밀도 메모리 소자로 응용이 가능할 것이라는 가능성이 제시돼 학계의 이목을 끌었으나, 3차원 분극 분포 측정의 어려움으로 인해 실험적인 규명이 되지 못하고 있었다. 우리 대학 물리학과 양용수 교수 연구팀이 포항공과대학교, 서울대학교, 한국기초과학지원연구원과의 공동연구 및 미국 로런스 버클리 국립연구소, 아칸소대학교 연구진과의 국제협력 연구를 통해 나노강유전체 내부의 3차원 소용돌이 형태 분극 분포를 최초로 실험적으로 규명하였다고 30일 밝혔다. 영구자석과 같이 외부의 자기장이 없어도 자화 상태를 스스로 유지할 수 있는 물질들을 강자성체(ferromagnet)라 하고,
2024-05-30디지털 암 정보 축적의 시대에는 데이터 생산을 넘어서, 데이터의 수집 및 관리 방법을 정립하고 거대 규모의 빅 데이터를 운용하는 것이 가장 큰 경쟁력이 될 수 있다. 전략적으로는 정밀 임상 정보와 연계할 수 있는 국내 생산 데이터와 다양성에 대한 이해를 도모할 수 있는 대규모 국제 데이터를 모두 수집해 통합하는 것은 매우 중요한 과제다. 우리 대학 의과학대학원 박종은 교수, 바이오및뇌공학과 최정균 교수 공동 연구팀(제1 저자: 강준호 박사, 이준형 박사)이 세계 최대 규모의 암 조직 단일세포 및 공간전사체* 데이터베이스를 구성하고, 이를 바탕으로 삼성서울병원 이세훈 교수 연구팀과 함께 면역 치료의 예후 예측에 중요한 세포 생태계 타입을 보고했다고 22일 밝혔다. *단일세포 및 공간전사체: 모든 유전자의 발현 양상을 개별 세포 단위에서 혹은 3차원 조직 구조상에서 분석한 데이터 암은 우리 몸 안에서 스스로 진화하는 특성을 가지고 있어 암 조직 내의 세포 생태계를 구성하는
2024-05-22평균이 아닌 개인차를 고려하는 정밀 의학 시대가 열렸다. 사람마다 다른 유전적 특징을 알아내는 기술이 비약적으로 발전한 덕분이다. 더 빠르고, 정확하게 전사체를 해독할 수 있는 새로운 도구가 개발됐다. 우리 대학 수리과학과 김재경 교수(IBS 수리 및 계산 과학 연구단 의생명 수학 그룹 CI) 연구팀은 전사체 분석 빅데이터에서 유용한 생물학적 정보만 골라내는 새로운 도구인 ‘scLENS(single-cell Low-dimension Embedding using Effective Noise Subtraction)’를 개발했다. 단일세포 전사체 분석은 최근 생물학, 신약 개발, 임상 연구 등 여러 분야에서 주목받는 도구다. 개별 세포 단위에서 유전적 변화를 확인할 수 있기 때문이다. 가령, 단일세포 전사체 분석을 이용하면 암 조직 내 수십 가지 종류의 세포를 구분하고, 유전적 변이가 발생한 세포만 표적하는 정밀 치료가 가능해진다. 단일세포 전사체 분석 기술이
2024-05-09분자의 크기와 모양에 따라 분자를 구별할 수 있는 분리막 공정*은 기존의 열 분리 공정(예: 증류법)보다 훨씬 적은 에너지를 소비하며 화학 산업의 탄소 배출량을 줄일 수 있는 잠재력을 가지고 있다. *분리막 공정: 분리막은 물질의 크기나 흡수력에 따라서 특정 물질을 선택적으로 통과시키거나 배제하는 역할을 하는 선택적 장애물로 분리막을 이용한 분리 공정은 기존의 공정과 달리 많은 에너지를 사용하지 않고도 화합물들을 효율적으로 분리할 수 있음 우리 대학 생명화학공학과 고동연, 임성갑 교수 공동연구팀이 기존에 분리하기 어려웠던 크기의 활성 제약 분자들을 매우 높은 선택도로 분리할 수 있는 초박막 분리 기술을 세계 최초로 개발했다고 29일 밝혔다. 분리막은 산업계 전반에 사용되는 유기용매들을 분리하는데 저에너지, 저탄소 해결법을 제공할 수 있어 비교적 짧은 상업화 역사에도 불구하고 석유화학, 반도체, 재생합성연료(E-Fuel), 바이오 제약 분야 등 폭넓은 분야에 응용되고 있
2024-04-29최근 자연어나 이미지, 동영상, 음악 등 다양한 분야에서 주목받는 생성형 AI가 신약 설계 분야에서도 기존 신규성 문제를 극복하고 새로운 혁신을 일으키고 있다고 하는데 어떤 기술일까? 우리 대학 화학과 김우연 교수 연구팀이 단백질-분자 사이의 상호작용을 고려해 활성 데이터 없이도 타겟 단백질에 적합한 약물 설계 생성형 AI를 개발했다고 18일 밝혔다. 신규 약물을 발굴하기 위해서는 질병의 원인이 되는 타겟 단백질에 특이적으로 결합하는 분자를 찾는 것이 중요하다. 기존의 약물 설계 생성형 AI는 특정 단백질의 이미 알려진 활성 데이터를 학습에 활용하기 때문에 기존 약물과 유사한 약물을 설계하려는 경향이 있다. 이는 신규성이 중요한 신약 개발 분야에서 치명적인 약점으로 지적되어 왔다. 또한 사업성이 높은 계열 내 최초(First-in-class) 타겟 단백질에 대해서는 실험 데이터가 매우 적거나 전무한데, 이 경우 기존 방식의 생성형 AI를 활용하는 것이 불가능하다. 연구팀
2024-04-18