KAIST

우리가 숨 쉬는 공기에서 이산화탄소를 직접 빨아들이는 ‘공기 청소 기술’이 현실로 다가왔다. 우리 대학 연구진이 전기차 배터리 제조 방식에서 착안한 고효율 ‘직접공기포집(Direct Air Capture, DAC)’기술로, 세계 최고 권위의 탄소 제거 대회에서 최종 선정되는 성과를 거뒀다. 이번 기술은 높은 비용과 낮은 효율이라는 한계를 넘어, 탄소 제거 기술의 상용화 가능성을 크게 앞당길 것으로 기대된다. 우리 대학은 생명화학공학과 고동연 교수 연구팀이 개발한 직접공기포집(DAC) 기술이 탄소 제거 기술 확산을 지원하는 글로벌 비영리 단체 오픈에어(OpenAir)가 주최하는 ‘2026 탄소 제거 챌린지(Carbon Removal Challenge)’에서 전 세계 상위 4개 팀에 선정됐다고 24일 밝혔다. 이 대회는 차세대 탄소 제거 기술의 실용성과 확장성을 평가하는 세계적인 경연으로, 단순한 연구 성과를 넘어

이산화탄소를 플라스틱을 만드는 원료인 에틸렌과 같은 화학물질로 바꾸는 과정에서, 전기가 흐르며 화학 반응이 일어나는 핵심 부위인 ‘전극’ 내부에 물이 스며들어 성능이 떨어지는 문제가 있었다. 우리 대학 연구팀은 물은 차단하면서도 전기의 흐름과 촉매 반응을 원활하게 이루어지도록 설계한 새로운 전극 구조를 개발해 효율과 안정성을 동시에 개선했다. 우리 대학은 화학과 송현준 교수 연구팀이 머리카락보다 훨씬 가는 은 실들이 거미줄처럼 얽힌 구조인 ‘은 나노선 네트워크’를 활용한 새로운 전극 구조를 개발해, 이산화탄소를 유용한 화학물질로 전환하는 효율을 세계 최고 수준으로 끌어올렸다고 6일 밝혔다. 전기를 이용해 이산화탄소를 유용한 화학물질로 전환하는 전해 공정에서는 전극 내부가 전해액으로 가득 차면서 이산화탄소가 반응할 공간이 줄어드는 ‘침수(Flooding) 현상’이 오랫동안 해결되지 않은 문제였다. 이를 막기 위해

공장과 발전소에서 배출되는 이산화탄소(CO₂)를 유용한 화학 원료로 바꾸는 기술은 탄소 중립의 핵심으로 꼽힌다. 하지만 촉매 성능이 빠르게 떨어지는 문제가 상용화를 가로막아 왔다. 우리 대학 연구진이 작동하는 동안 스스로 성능을 회복하는 ‘자가재생’ 촉매를 개발해 해결의 실마리를 제시했다. 우리 대학 생명화학공학과 정동영 교수 연구팀은 이산화탄소(CO₂)를 유용한 물질로 전환하는 전기화학 반응에서 촉매 성능이 저하되는 근본 원인을 규명하고, 촉매가 반응 중 스스로 활성 상태를 유지하도록 하는 새로운 설계 전략을 개발했다고 11일 밝혔다. 특히 연구팀은 이산화탄소 전환 반응에서 널리 사용되는 구리(Cu) 촉매에 주목했다. 구리 촉매는 반응 과정에서 단순히 소모되는 것이 아니라, 표면 구조가 지속적으로 변화하는 ‘재구성(reconstruction)’ 과정을 거치는 것으로 알려져 있다. 연구 결과, 이러한 재구성 방식에 따라 촉매의 성능과

직접공기포집(DAC, Direct Air Capture)은 대기 중에 아주 희박하게(400ppm 이하) 존재하는 이산화탄소를 직접 걸러내는 기술이다. 우리 연구진은 이번에 뜨거운 증기나 복잡한 설비 없이, 스마트폰 충전 전압(3V) 수준의 저전력만으로 95% 이상의 고순도 이산화탄소를 포집하는 데 성공했다. 기존 DAC 기술은 높은 에너지 비용이 가장 큰 걸림돌이었지만, 이번 연구는 실질적 상용화 가능성을 보여준 성과로 평가된다. 이미 해외 특허 출원이 완료됐으며, 태양광·풍력 등 재생에너지와도 쉽게 연계할 수 있어 탄소중립 공정 전환을 앞당길 ‘게임 체인저’ 기술로 주목받고 있다. 우리 대학 생명화학공학과 고동연 교수 연구팀이 미국 MIT 화학공학과 T. 앨런 해튼 교수팀과 공동 연구를 통해, 전도성 은나노 파이버 기반 한 초고효율 전기 구동 DAC(e-DAC, Electrified Direct Air Capture) 기술을 세계 최초로 개

기후 위기를 막기 위해 이미 배출된 이산화탄소를 적극적으로 줄이는 것이 필수적이며, 이를 위해 공기 중 이산화탄소만 직접 포집하는 기술(Direct Air Capture, 이하 DAC)이 주목받고 있다. 하지만 공기 중에 존재하는 수증기(H₂O)로 인해 이산화탄소만 효과적으로 포집하는 것이 쉽지 않다. 이 기술의 핵심 소재로 연구되는 금속–유기 구조체(Metal-Organic Frameworks, 이하 MOF)를 활용해 우리 연구진이 AI 기반 기계학습 기술을 적용, MOF 중에서 가장 유망한 탄소 포집 후보 소재들을 찾아내는 데 성공했다. 우리 대학 생명화학공학과 김지한 교수 연구팀이 임페리얼 칼리지 런던(Imperial College London) 연구팀과 공동 연구를 통해 대기 중 이산화탄소 포집에 적합한 MOF를 빠르고 정확하게 선별할 수 있는 기계학습 기반 시뮬레이션 기법을 개발했다고 29일 밝혔다. 복잡한 구조와 분자 간 상호작용의 예측 한계로 인해