연구
〈 강정구 교수 〉
우리 대학 EEWS대학원 강정구 교수 연구팀이 금속유기골격체(MOF, metal organic framework)의 각 세부 기공에서 분자의 흡착 거동을 실시간 분석할 수 있는 기술을 개발했다.
조해성 박사가 주도한 이번 연구는 ‘네이처 케미스트리(Nature Chemistry)’ 5월 13일자 온라인판에 게재됐다. (논문명 : Isotherms of Individual Pores by Gas Adsorption Crystallography)
현재 직면한 에너지와 환경문제를 극복하기 위해서는 온실가스인 이산화탄소, 고용량 에너지 전달체인 메탄, 수소 분자 등을 고용량으로 저장할 수 있는 새로운 기공구조의 개발이 필수적이다.
이에 따라 기체 분자들의 흡착 거동을 실시간 분석해 새로운 소재를 개발하는 방식이 주목받고 있다. 그러나 기존 기술로는 소재 내에서 흡착된 기체 분자의 양만 파악할 수 있어 흡착 거동을 직접 관찰할 수 없었다. 또한, 소재를 구성하는 기공별 가스의 흡착 거동을 분석할 수 없다.
본 연구팀은 문제 해결을 위해 구조적 정보를 얻을 수 있는 X-선 회절(X-ray diffraction, XRD) 측정 장비와 기체흡착 측정 장비를 결합한 실시간 기체흡착 X-선 회절 시스템을 개발했다.
이 시스템은 넓은 비표면적을 갖고 있어 이산화탄소, 수소나 메탄 등의 저장에 매우 용이한 신규소재인 금속 유기골격체의 흡착과정을 실시간 관찰할 수 있다. 특히 단일기공구조가 아닌 여러 기공이 존재하는 금속 유기골격체의 흡착 거동에 대해 분석할 수 있었다.
연구팀은 금속 유기골격체 분자들의 흡착 거동을 기공별로 분리해 관찰 및 측정함으로써 기존에 분석할 수 없었던 분자들의 순차적 흡착과정을 확인했다. 나아가 기공의 구조 및 흡착 분자의 종류가 흡착 거동에 어떤 영향을 미치는지 체계적, 정량적으로 분석해 각각의 흡착에 어떤 구조의 금속 유기골격체가 저장 소재로 가장 적합한지에 대한 방안도 제시했다.
강 교수는 “각 기공 분자의 실시간 흡착 거동을 정량적으로 분석해 기공의 화학적 성질과 구조적 특성이 흡착 거동에 미치는 영향을 밝혔다”라며 “분자의 실시간 흡착 거동을 물질 전체가 아닌 물질을 구성하는 세부 기공 수준에서 이해함으로써 새 고용량 저장 물질을 세밀하게 개발하는 데 활용할 예정이다”라고 말했다.
이번 연구는 과학기술정보통신부 글로벌프론티어사업의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 다양한 구조의 세부 기공을 갖는 금속유기골격체에 흡착된 분자들의 도식화 그림
그림2. 세 가지 다른 세부기공을 갖는 금속유기골격체에서의 분자의 흡착 거동
-
연구 논문 마이닝부터 합성 조건 추천까지, MOF 연구를 혁신하는 대규모 언어 모델
우리 연구진이 챗GPT를 활용해 금속 유기 골격체(Metal-Organic Frameworks, MOFs) 연구 논문에서 실험 데이터를 자동으로 추출하는 데이터 마이닝 툴(이하 L2M3)을 개발했다. L2M3는 MOF의 합성 조건 및 물성 정보를 체계적으로 수집하며, 분류, 정보 식별 및 데이터 추출 작업에서 각각 98.3%, 97.3%, 95.3%의 높은 정확도를 기록했다. 또한, 추출한 데이터를 기반으로 MOF의 합성 조건을 추천하는 시스템을 개발하여 연구자들의 실험 과정 최적화를 지원하고 있어 화제가 되고 있다. 우리 대학 생명화학공학과 김지한 교수 연구팀이 대규모 언어 모델(이하 LLMs) 급격한 발전에 주목하며, 이를 활용을 통해 금속 유기 골격체 문헌에서 MOF의 합성 및 물성 정보를 대량으로 추출하는 데이터 마이닝 툴(L2M3)를 개발했다고 7일 발표했다. 최근 MOF에 대한 연구들이 활발히 진행되어 MOF 실험 데이터가 축적되고 있다. 이에 따라 MOF 연구
2025-02-07 -
연구 원하는 소재 개발 인공지능 모퓨전(MOFFUSION)으로
최근 생성형 인공지능은 텍스트, 이미지, 비디오 생성 등 다양한 분야에서 널리 사용되고 있지만, 소재 개발 분야에서는 아직 충분히 활용되지 못하고 있다. 이러한 상황에서 KAIST 연구진이 구조적 복잡성을 지닌 다공성 소재를 생성하는 인공지능 모델을 개발하여, 사용자가 원하는 특성의 소재를 선택적으로 생성할 수 있게 되었다. 우리 대학 생명화학공학과 김지한 교수 연구팀이 원하는 물성을 가진 금속 유기 골격체(Metal-Organic Frameworks, MOF)를 생성하는 인공지능 모델을 개발했다고 23일 밝혔다. 김지한 교수 연구팀이 개발한 생성형 인공지능 모델인 모퓨전(MOFFUSION)은 금속 유기 골격체의 구조를 보다 효율적으로 표현하기 위해, 이들의 공극 구조를 3차원 모델링 기법을 활용해 나타내는 혁신적인 접근 방식을 채택했다. 이 기법을 통해 기존 모델들에서 보고된 낮은 구조 생성 효율을 81.7%로 크게 향상시켰다. 또한, 모퓨전은 생성 과정에서 사용자
2025-01-23 -
연구 원전폐수의 삼중수소 제거 촉매 선보이다
후쿠시마 오염수가 2023년부터 해양에 방류되면서 중수로 원전 운영 시 발생하는 대표적인 방사성 물질인 삼중수소에 대한 대중적 관심이 크게 늘어났다. 삼중수소는 주로 물 분자에 포함돼 존재하기 때문에 해양 생태계와 환경에 위험을 초래할 수 있어 삼중수소 제거 설비가 필요한데, 한국 연구진이 촉매를 이용해 획기적으로 제거할 수 있는 기술을 개발해 화제다. 우리 대학 생명화학공학과 고동연 교수 연구팀이 한국원자력연구원(원장 주한규) 박찬우 박사 연구팀과의 공동연구를 통해 원전 폐수에 함유된 삼중수소 제거 공정을 위한 새로운 구조의 이중기능* 소수성 촉매를 개발했다고 27일 밝혔다. 연구팀의 촉매는 특정 반응 조건에서 최대 76.3%의 반응 효율을 보였으며, 특히 현재까지 밝혀진 바가 거의 없는 수백 ppm 수준의 저농도 동위원소에 대한 촉매의 작용을 구체적으로 확인했다. *이중기능: 액체 상태의 물은 차단하고 기체 상태의 수증기는 통과하는 성질을 말함 현재 삼중수소 제거에
2024-08-27 -
연구 챗MOF로 96.9% 금속 유기 골격체 물성 예측하다
우리 대학 연구진이 챗GPT를 활용해 큰 다공성, 높은 표면적, 그리고 뛰어난 조절 가능성으로 많은 화학 응용 분야에서 사용되는 금속 유기 골격체의 특성을 예측하고 새로운 재료를 자동으로 생성하는 챗봇 시스템(이하 챗MOF)을 개발했다. 챗MOF는 검색 및 예측 작업에서 각각 96.9% 및 95.7%의 높은 성공률을 보여 화제다. 생명화학공학과 김지한 교수 연구팀이 인공지능(AI)의 급격한 발전에 주목하며, 대규모 언어 모델(이하 LLMs) 활용을 통해 금속 유기 골격체(Metal-Organic Frameworks, MOFs)의 특성을 예측하고 새로운 재료를 자동으로 생성하는 챗봇 시스템(ChatMOF)을 개발했다고 26일 발표했다. 최근 인공지능(AI)의 발전에는 큰 도약이 있었지만 재료 과학에서의 LLM의 잠재력을 완전히 실현하기에는 여전히 물질의 복잡성과 재료별 특화된 훈련 데이터의 부족이라는 한계점이 존재했다. 김지한 교수 연구팀이 개발한 챗MOF는 재료 분야에
2024-06-26 -
연구 액정 고분자를 통해 ‘올인원 솔루션’ 기술 개발
액정 고분자는 녹아있는 상태에서 액정성을 나타낸 고분자로 높은 내열성과 강도를 가지고 있어서 기존에는 광학 필름이나 코팅 소재로 응용되었지만, 최근에는 가스 및 액체 흡착, 약물 전달, 센서 기술 등의 분야에서 광범위하게 효율적 활용이 가능하다는 연구가 보고되고 있다. 우리 대학 화학과 윤동기 교수 연구팀이 연성 소재(soft material)중 하나인 액정 고분자의 자기조립(self-assembly)을 활용해 다공성 액정 고분자 구조체를 제작하고, 다양한 기능성 나노 입자를 도입해 복합체를 형성할 수 있는 원천기술을 개발했다고 20일 밝혔다. 이번 연구에서 윤 교수팀은 다양한 모양에 조립을 유도할 수 있는 분자 형태로 이루어져 있어 표면 개질, 공간적 한정, 빛, 전기장에 의해 배향이 쉽게 조절되는 특성을 가진 액정의 배향 제어를 기반으로 액정 고분자 기반의 다공성 구조체를 제작했고, 이를 매트릭스로 하여 페로브스카이트(perovksite), 금속유기골격체 (metal-
2023-12-20