-
“밤길 물웅덩이도 척척 인식”...KAIST, 자율주행 ‘눈’의 한계 넘었다
어두운 도로 위 물과 아스팔트를 구분하지 못하던 기존 센서의 한계를 넘어, 자율주행과 의료 진단의 정확도를 높일 기술이 등장했다. 우리 대학 연구팀이 빛의 ‘방향’까지 읽고 스스로 반응을 바꾸는 차세대 편광 센서를 개발했다.
우리 대학은 생명화학공학과 서준기 교수 연구팀이 빛의 특정방향으로 진동하는 성질인 ‘편광(polarization)’정보를 활용해 스스로 최적 상태를 찾아 동작을 조절하는 ‘자기 재구성(self-reconfigurable)’편광 센서 배열 기술을 개발했다고 12일 밝혔다.
최근 데이터가 폭발적으로 증가하고 인공지능 기술이 빠르게 발전하면서, 방대한 정보를 적은 에너지로 효율적으로 처리할 수 있는 차세대 비전 시스템의 필요성이 커지고 있다. 그러나 기존 이미지 센서는 빛의 밝기 정보만을 감지하는 데 그쳐 물체의 방향성이나 표면 구조를 정밀하게 파악하는 데 한계가 있었다.
연구팀은 이러한 한계를 극복하기 위해 빛의 진동 방향까지 함께 인식할 수 있는 ‘편광’ 기반 센서 기술을 개발했다. 특히 텔루륨(Te)과 이황화레늄(ReS₂)이라는 서로 다른 두 물질을 결합해 새로운 기능을 구현한 ‘이종구조(heterostructure)’를 활용해, 결정 방향에 따라 빛에 대한 반응이 달라지는 특성을 효과적으로 구현했다.
두 물질을 서로 교차하도록 정밀하게 쌓기 위해 연구팀은 원자층 단위로 물질을 정밀하게 쌓아 결정 구조를 제어하는 공정인 ‘에피택셜 원자층 증착(Epitaxial Atomic Layer Deposition)’을 적용했다. 이를 통해 두 물질의 결정 구조가 정확히 맞물리도록 구현함으로써, 기존 대비 높은 재현성과 안정적인 성능을 확보했다.
이 구조에서는 빛이 조사될 때 물질 경계에서 전하 이동 및 포획(interfacial carrier transfer & trapping, 전자가 이동하거나 특정 위치에 머무르는 현상)이 발생하며, 그 결과 빛의 세기, 파장, 방향 등 조건에 따라 전류 방향이 뒤집히는 광반응인 ‘양극성 광응답(bipolar photoresponse)’이 나타난다. 특히 외부 전기 신호 없이도 빛만으로 센서의 동작 상태를 자유롭게 조절할 수 있는 것이 특징이다.
또한 이 기술은 센서 자체가 데이터를 처리하는 인-센서 컴퓨팅(in-sensor computing) 구조에 적용될 수 있어, 복잡한 연산 과정 없이도 시간에 따라 변화하는 다차원 광학 정보를 효율적으로 처리할 수 있다. 실제 실험에서는 움직이는 물체 인식에서 95% 이상의 높은 정확도를 기록하며, 자율주행 및 의료 진단 등 다양한 분야에서의 활용 가능성을 입증했다.
서준기 교수는 “이번 연구는 편광 정보를 활용해 보다 풍부한 시각 정보를 확보할 수 있는 인공지능 비전 기술의 새로운 기반을 제시한 것”이라며 “향후 저전력·고효율 AI 시스템 구현에 중요한 역할을 할 것으로 기대된다”고 밝혔다.
이번 연구에는 웬슈안 주(Wenxuan Zhu, 박사후 연구원)와 김창환(박사과정생)이 제1저자로 참여했으며, 서준기 교수가 교신저자로 참여했다. 연구 결과는 국제 학술지 네이처 센서스(Nature Sensors)에 4월 14일 자로 게재됐다.
※ 논문명: Self-reconfigurable polarization perception in dual-anisotropy heterostructures for high-dimensional in-sensor computing, DOI: https://doi.org/10.1038/s44460-026-00057-9
한편, 이번 연구는 과학기술정보통신부가 지원하는 한국연구재단의 PIM 인공지능반도체 핵심기술개발(소자) 사업과 개인기초연구사업 및 한국산업기술진흥원(KIAT) 사업의 산업혁신인재성장지원사업의 지원을 받아 수행되었다.
2026.05.12
조회수 2005
-
리튬 금속 배터리 ‘망가지는 순간’ 첫 포착...전기차 주행거리 늘릴 핵심 단서
전기차 주행거리와 배터리 수명을 동시에 늘릴 수 있는 핵심 단서가 나왔다. 우리 대학 연구진이 리튬 금속 배터리의 열화가 시작되는 순간을 나노 수준(머리카락 굵기의 약 10만 분의 1)에서 직접 관찰하며, 성능 저하의 근본 원인을 밝혀냈다. 차세대 배터리 상용화를 앞당길 중요한 전환점으로 평가된다.
우리 대학은 신소재공학과 홍승범 교수 연구팀이 차세대 배터리 핵심 부품인 리튬 금속 음극(Lithium Metal Anode)의 열화 메커니즘을 규명했다고 10일 밝혔다.
리튬 금속은 기존 배터리보다 에너지 밀도가 월등히 높아 ‘꿈의 배터리 소재’로 불리지만, 충·방전을 반복할수록 성능이 급격히 떨어지는 문제가 상용화의 가장 큰 걸림돌로 꼽혀왔다. 특히 리튬이 불규칙하게 쌓이거나 떨어져 나가며 전기적으로 단절된 ‘죽은 리튬(dead lithium)’이 형성되면 배터리 성능 저하는 물론 안전성 문제까지 초래할 수 있다.
연구팀은 배터리 내부를 실시간으로 관찰할 수 있는 실시간 전기화학 원자힘현미경(in situ EC-AFM)을 활용해 리튬이 쌓이고(도금) 사라지는(탈리) 전 과정을 직접 추적했다. 그 결과, 리튬 반응이 표면 전체에서 균일하게 일어나는 것이 아니라 특정 위치에서 선택적으로 발생한다는 사실을 확인했다.
특히 표면이 거칠거나 구멍이 많은 다공성(porous) 영역에서는 리튬이 떨어져 나갈 때 빈 공간이 쉽게 형성됐고, 이로 인해 리튬이 전기적으로 고립되는 ‘죽은 리튬’이 만들어지는 것으로 나타났다. 이러한 현상은 배터리 성능을 급격히 저하시키는 직접적인 원인으로 작용한다.
이번 연구는 리튬 금속 배터리가 어디에서, 어떻게 손상되는지를 실험적으로 규명했다는 데 의미가 있다. 더 나아가 리튬이 처음 형성되는 ‘초기 표면 형상(initial morphology)’이 배터리의 장기 수명을 좌우하는 핵심 변수임을 입증했다.
이에 따라 향후 리튬이 형성되는 표면을 균일하고 정밀하게 제어할 경우, 배터리 수명과 안정성을 획기적으로 개선할 수 있을 것으로 기대된다. 전기차 주행거리 증가와 장수명 배터리 개발을 동시에 실현할 수 있는 설계 방향을 제시한 셈이다.
홍승범 교수는 “이번 연구는 배터리 성능 저하의 원인을 나노 수준에서 직접 확인했다는 점에서 의미가 크다”며 “보다 오래가고 안전한 차세대 배터리 개발을 위한 중요한 기반이 될 것”이라고 밝혔다.
이번 연구는 신소재공학과 김성현 박사과정 연구원이 제1저자로 참여했으며, 신소재·화학·화학공학 분야의 국제적 권위 학술지인 ‘에이시에스 에너지 레터스(ACS Energy Letters)’에 2026년 2월 24일자로 게재되었고, 표지논문으로 선정되었다.
※ 논문 제목: Spatially Selective Lithium Plating and Stripping in Lithium Metal Anodes, DOI: https://doi.org/10.1021/acsenergylett.6c00122
한편, 본 연구는 LG에너지솔루션과 과학기술정보통신부 재원으로 한국연구재단의 미래개척융합과학기술개발사업(RS-2023-00247245) 지원을 받아 수행됐다.
2026.05.11
조회수 1810
-
건설및환경공학과 조계춘 교수, 구글 ‘기초 과학 연구 지원 프로그램’ 선정
우리 대학 건설및환경공학과 조계춘 교수가 구글(Google)의 ‘기초 과학 연구 지원 프로그램(Foundational Science Grant)’ 대상자로 최종 선정되어 USD140,000(2억원) 규모의 연구비를 지원받게 된다. 이번 선정은 국내 기초 과학 기술 발전을 지원하려는 구글의 의지가 담긴 결과로, 조계춘 교수팀은 서울대 민기복 교수팀과 함께 독창적인 연구 역량을 인정받았다.
이번 연구는 “물리 기반 인공지능(Physics-informed AI)”을 활용해 지열 에너지 개발의 불확실성을 해소하는데 초점을 맞추고 있다. 연구팀은 단순 데이터 학습 방식의 기존 AI를 넘어 실제 물리 법칙을 알고리즘에 결합함으로써 지하 심부의 온도, 압력, 유체 흐름 등을 정밀하게 예측하는 하이브리드 기술을 개발하고 있다.
특히 지열 발전 과정에서 발생할 수 있는 유발 지진(Induced Seismicity) 위험을 사전에 평가하고, 에너지 생산 효율을 극대화할 수 있는 통합 프레임워크 구축에 나선다. 이를 통해 지열 에너지를 ‘관리 가능한 리스크’ 영역으로 끌어들여, 탄소중립 시대의 안정적 무탄소 에너지원으로 활용 가능성을 높일 것으로 기대된다.
지열 에너지는 기상 조건과 관계없이 24시간 안정적인 전력 공급이 가능하다는 장점이 있지만, 지하 환경에 대한 불확실성과 안전성 문제가 상용화의 주요 과제로 꼽혀왔다. 연구팀은 AI 기반 지하 가상화 기술을 통해 이러한 한계를 극복하고, 지속가능한 미래 에너지 시스템 구축에 기여한다는 계획이다.
이번 프로젝트는 구글 본사로부터 직접 연구기금(Gift Fund)을 지원받아 추진되며, 향후 구글 연구진과의 기술 교류 및 공동 연구 협력 가능성도 기대를 모으고 있다. 또한 연구 내용이 구글 공식 블로그를 통해 소개되면서, 스마트 건설 및 친환경 에너지 분야에서 우리 대학의 세계적 연구 경쟁력을 다시 한번 입증했다.
조계춘 교수는 “이번 연구는 눈에 보이지 않는 지하 환경을 AI로 가상화해 보다 정확하고 안전하게 예측하는 데 의미가 있다”며 “구글의 지원을 바탕으로 지열 에너지가 신뢰할 수 있는 미래 에너지원으로 자리 잡는 데 기여하겠다”고 밝혔다.
※ 구글 블로그: https://blog.google/intl/ko-kr/company-news/outreach-initiatives/foundational-science-grant-kaist-gyechun-cho-kr/
2026.05.08
조회수 1823
-
AI도 ‘모른다’고 말한다... 과신 줄이고 신뢰성 높여
“AI도 스스로‘모른다’고 말할 수 있어야 한다.”
자율주행과 의료 진단 등에서 인공지능(AI)의 가장 큰 위험으로 지적돼 온‘과도한 확신(overconfidence·틀린 예측에 대하여 높은 확신을 보이는 현상)’문제를 해결할 새로운 접근법이 제시됐다. 우리 대학 연구진은 AI가 스스로 모르는 상황을 인식하도록 하는 학습 방법을 개발해, 과신을 줄이고 신뢰성을 높일 수 있는 기반을 마련했다.
우리 대학은 뇌인지과학과 백세범 석좌교수 연구팀이 딥러닝(deep learning·인공신경망을 활용해 데이터를 학습하는 인공지능 기술)에서 널리 사용돼 온 무작위 가중치 초기화(random initialization·신경망 학습 시작 시 가중치를 확률 분포에 따라 무작위로 설정하는 방식)가 인공지능의 과신을 유발하는 근본적인 원인일 수 있음을 규명했다고 27일 밝혔다.
연구팀은 이를 해결하기 위해 실제 데이터를 학습하기 전, 무작위 노이즈(random noise·의미 없는 임의의 입력 데이터)로 신경망을 짧게 학습시키는 ‘예열(warm-up)’ 전략을 제안했다.
연구팀은 AI의 과신 문제가 학습 이후만이 아니라, 학습의 출발점인 초기화 단계에서부터 이미 나타난다는 점에 주목했다.
실제로 무작위로 초기화된 신경망에 임의의 데이터를 입력한 결과, 아직 아무것도 배우지 않은 상태임에도 불구하고 높은 확신도를 보이는 현상이 확인됐다. 이러한 특성은 생성형 AI에서 사실과 다른 내용을 만들어내는 환각(hallucination·존재하지 않는 정보를 그럴듯하게 만들어내는 현상) 문제로 이어질 수 있다.
연구팀은 해결의 실마리를 생물학적 두뇌에서 찾았다. 인간의 두뇌는 태어나기 전부터 외부 자극 없이도 ‘자발적 신경 활동(spontaneous neural activity·외부 입력 없이 스스로 발생하는 뇌 신호)’을 통해 신경회로를 형성한다.
연구팀은 이 개념을 인공신경망에 적용해, 실제 학습에 앞서 무작위 노이즈 입력으로 짧은 사전 학습을 수행하는‘예열 단계’를 도입했다. 이는 인공지능이 본격적으로 학습을 시작하기 전에, 스스로의 불확실성을 먼저 조정하는 과정에 해당한다. 예열 과정을 거친 AI 모델은 초기 확신도가 우연 수준에 가까운 낮은 값으로 정렬되며, 기존 초기화에서 나타나던 과신 편향이 크게 완화됐다.
즉, 실제 데이터를 배우기 전에 ‘나는 아직 아무것도 모른다’는 상태를 먼저 학습하게 되는 것이다. 그 결과, 모델의 정확도(예측이 맞는 비율)와 확신도(모델이 스스로 맞다고 믿는 정도)가 자연스럽게 일치하는 방향으로 개선됐다.
특히 처음 보는 데이터에 대한 반응에서도 차이가 나타났다. 기존 모델은 학습하지 않은 데이터에도 높은 확신을 보이며 잘못된 답을 제시하는 경향이 있었지만, 예열 학습을 적용한 모델은 확신도를 낮춰‘모른다’고 판단하는 능력이 뚜렷하게 향상됐다.
이를 통해 학습 데이터와 다른 분포를 가진 데이터를 구별하는 분포 밖 데이터 탐지(out-of-distribution detection·훈련에 사용되지 않은 새로운 유형의 데이터를 구분하는 기술)에서도 높은 성능을 보였다.
이번 연구는 AI가 단순히 정답을 맞히는 수준을 넘어, ‘무엇을 아는가’와 ‘무엇을 모르는가’를 구분하는 능력, 즉 메타 인지(meta-cognition·자신의 인지 상태를 스스로 인식하는 능력)를 갖출 수 있는 가능성을 제시했다.
백세범 석좌교수는 “이번 연구는 두뇌 발달 과정을 모사함으로써 AI가 인간과 좀 더 유사하게 자신의 지식 상태를 인식할 수 있음을 보여준 사례”라며, “정확도를 높이는 것을 넘어 인공지능이 스스로의 불확실성을 판단하는 원리를 제시했다는 데 의의가 있다”고 설명했다.
이번 기술은 자율주행, 의료 AI, 생성형 AI 등 높은 신뢰성이 요구되는 분야는 물론, 거의 모든 딥러닝 모델의 초기화 방식에 적용될 수 있어 AI 전반의 신뢰성을 높이는 핵심 기술로 활용될 것으로 기대된다.
KAIST 천정환 뇌인지과학과 석사(現 육군 일병)가 제1저자로 참여한 이번 연구는 인공지능 분야 국제 학술지 ‘네이처 머신 인텔리전스(Nature Machine Intelligence)’에 2026년 4월 9일자로 온라인 게재됐으며, 주목할 만한 논문으로 선정되어 ‘뉴스 앤 뷰스(News & Views)’에도 소개되었다.
※ 논문명: Brain-inspired warm-up training with random noise for uncertainty calibration, DOI: 10.1038/s42256-026-01215-x
※ 뉴스 앤 뷰스 소개: Learning to be uncertain before learning from data, DOI: 10.1038/s42256-026-01205-z
한편 이번 연구는 한국연구재단의 이공분야기초연구사업과 KAIST 싱귤래러티 연구사업의 지원을 받아 수행됐다.
2026.04.27
조회수 2816
-
스마트워치 병원급 혈압 도전..심혈관 질환 조기 진단 성큼
혈액의 흐름은 생명의 신호다. 이 흐름이 느려지거나 불안정해지면 심혈관 질환과 쇼크로 이어질 수 있다. 그러나 혈류를 정확히 측정하려면 병원 장비에 의존해야 했다. 우리 대학 연구진이 피부에 붙이기만 하면 혈류를 실시간으로 측정할 수 있는 무선 전자패치를 개발했다.
우리 대학은 전기및전자공학부 권경하 교수 연구팀이 딥러닝(AI)과 다층 열 센싱 기술을 결합한 무선 웨어러블 혈류 측정 시스템을 개발했다고 5일 밝혔다. 이 장치는 혈관을 직접 건드리지 않고도(비침습 방식) 혈류 속도와 혈관 깊이를 동시에 측정할 수 있다. 혈관이 피부 속 얼마나 깊이 위치하느냐에 따라 센서 신호가 달라지기 때문에, 깊이 정보는 혈류를 정확히 계산하는 핵심 변수다.
기존에는 초음파나 광학 방식이 주로 사용됐지만, 장비가 크거나 혈관 깊이에 따라 정확도가 떨어지는 한계가 있었다. 연구팀은 이를 해결하기 위해 ‘혈액이 흐르면 주변에 미세한 열 이동이 발생한다’는 점에 주목했다.
연구팀은 서로 다른 깊이에 온도 센서를 배치해 열의 이동 경로를 입체적으로 분석하는 ‘다층 열 센싱’ 기술을 개발했다. 여기에 AI 알고리즘을 적용해 복잡한 체온 분포 속에서 혈관의 깊이와 실제 혈류 속도를 실시간으로 분리·추출하는 데 성공했다. 여기에 AI를 적용해 복잡한 체온 분포 속에서 혈관의 깊이와 실제 혈류 속도를 정확히 구분해 냈다.
실험 결과, 초당 1~10mm 범위의 혈류 속도를 오차 0.12mm/s 이내로, 1~2mm 범위의 혈관 깊이를 오차 0.07mm 이내로 측정하는 데 성공했다. 이는 머리카락 굵기보다 작은 수준의 오차로, 일반적인 웨어러블 기기로는 구현하기 어려운 정밀도다.
특히 이 기술을 스마트워치에 사용되는 광혈류(PPG) 센서와 결합하면 혈압 측정 오차를 최대 72.6%까지 줄일 수 있는 것으로 나타났다. 이는 스마트워치 혈압 측정값이 병원 장비에 한층 가까워질 수 있음을 의미한다. 즉, 웨어러블 기기의 신뢰도를 크게 높일 수 있는 성과다.
이 전자패치는 응급 의료 현장에서 환자의 상태 변화를 실시간으로 감지하는 데 활용될 수 있다. 고혈압·당뇨 환자의 맞춤형 건강관리, 쇼크와 같은 급성 위험 신호의 조기 감지에도 적용 가능하다.
권경하 교수는 “이번 기술은 혈류와 혈압을 더 정확하게 측정할 수 있는 원천 플랫폼”이라며 “스마트워치와 결합해 일상 속 건강 모니터링 수준을 한 단계 끌어올릴 것”이라고 말했다.
본 연구는 심영민 석박통합과정이 1저자로 연구를 주도했으며 해당 연구 결과는 세계적 학술지 '사이언스 어드밴시스(Science Advances)'에 2월 6일 게재되었다.
※ 논문명: Deep learning–integrated multilayer thermal gradient sensing platform for real-time blood flow monitoring, DOI: 10.1126/sciadv.aea8902
한편, 이번 연구는 삼성전자 종합기술원(SAIT) 및 한국연구재단(NRF) 우수신진연구(2022R1C1C1010555), 지역혁신 선도연구센터(2020R1A5A8018367), BK21 FOUR 프로그램, 정보통신기획평가원(IITP) 인공지능반도체대학원의 지원을 받아 수행됐다.
2026.03.05
조회수 3032
-
AI로 ‘수소차 심장’ 설계...차세대 ‘슈퍼 촉매’ 개발
기후 위기 시대, 수소차는 친환경 모빌리티의 대안으로 떠오르고 있다. 그러나 ‘수소차의 심장’인 연료전지는 여전히 높은 가격과 짧은 수명이라는 한계를 안고 있다. 핵심 원인은 백금 촉매다. 전기를 만드는 결정적 물질이지만 반응은 느리고, 시간이 지날수록 성능이 떨어지며, 제조 비용도 높다. 한국 연구진이 이 난제를 풀 실마리를 제시했다.
우리 대학은 신소재공학과 조은애 교수 연구팀이 서울대학교(총장 유홍림) 화학생물공학부 이원보 교수팀과 함께 인공지능(AI)으로 촉매의 ‘원자 배열’경향을 예측하는 기술을 개발했다고 26일 밝혔다.
이 기술은 마치 퍼즐을 맞추기 전 어떤 조합이 퍼즐 완성에 유리한지 미리 계산해 보는 것과 같다. AI가 금속 원자들의 배열 속도를 먼저 계산해 줌으로써, 더 성능이 좋은 촉매를 효율적으로 설계할 수 있게 된 것이다. 이번 연구의 핵심은 ‘AI가 아연이 백금-코발트 원자 배열에 결정적 역할을 한다는 사실을 밝혀냈다’는 점이다.
기존의 백금-코발트(Pt-Co) 합금 촉매는 높은 성능에도 불구하고, 원자들이 규칙적으로 배열된 ‘금속간화합물(L1₀)’ 구조를 만들기 위해서는 매우 높은 온도의 열처리가 필요했다. 이 과정에서 입자가 뭉치거나 구조가 불안정해져 실제 연료전지 적용에는 한계가 있었다.
연구팀은 이 문제를 해결하기 위해 머신러닝 기반 양자화학 시뮬레이션을 도입했다. AI를 통해 촉매 내부에서 원자들이 어떻게 움직이고 배열되는지를 정밀하게 예측했다.
그 결과, 아연(Zn)이 원자 배열을 촉진하는 매개 원소로 작용한다는 사실을 발견했다. 아연을 도입하면 원자들이 제자리를 더욱 쉽게 찾아, 보다 정교하고 안정적인 구조가 형성되는 원리다. 즉, AI가 ‘원자 배열이 만들어지는 최적의 경로’를 먼저 찾아낸 셈이다.
AI 예측을 바탕으로 실제 합성한 아연-백금-코발트 촉매는 기존 백금 촉매 대비 더 높은 활성과 뛰어난 장기 내구성을 동시에 확보했다. 이는 인공지능이 계산한 ‘가상의 설계도’가 실제 실험실에서 고성능 촉매로 구현될 수 있음을 입증한 사례다.
특히 이번 기술은 수소 승용차, 장거리 운행이 필요한 수소 트럭, 수소 선박, 에너지 저장 시스템(ESS) 등 탄소중립 핵심 산업 전반에서 촉매 수명 연장과 제조 비용 절감에 기여할 것으로 기대된다.
조은애 교수는 “이번 연구는 머신러닝을 활용해 촉매의 원자 배열 경향을 사전에 예측하고 이를 실제 합성으로 구현한 사례”라며, “AI 기반 소재 설계가 차세대 연료전지 촉매 개발의 새로운 패러다임이 될 것”이라고 밝혔다.
이번 연구에는 KAIST 신소재공학과 장현우 박사과정과 서울대학교 화학생물공학부 류재현 박사가 공동 제1저자로 참여했다. 연구 결과는 에너지 소재 분야의 세계적 학술지 ‘어드밴스드 에너지 머티리얼즈(Advanced Energy Materials)’에 2026년 1월 15일 자로 게재됐다.
※ 논문명: Machine Learning-Guided Design of L1₀-PtCo Intermetallic Catalysts: Zn-Mediated Atomic Ordering, DOI: https://doi.org/10.1002/aenm.202505211
본 연구는 한국연구재단 나노 및 소재기술개발사업과 한국에너지기술평가원 에너지인력양성사업의 지원을 받아 수행됐다.
2026.02.26
조회수 3113
-
전력 없이도 여름은 더 시원하게 겨울을 더 따뜻하게 만든다
포플러(Populus alba)는 덥고 건조할 때 잎을 말아 뒷면을 드러내 태양빛을 반사하고, 밤에는 잎 표면에 맺힌 수분이 방출하는 열(잠열)로 냉해를 막는 독특한 생존 전략을 갖고 있다. 자연은 이처럼 낮·밤과 온·습도 변화에 따라 스스로 열을 조절해 적응해 왔지만, 이러한 정교한 열관리 시스템을 인공소재로 구현한 사례는 거의 없었다. 우리 대학 연구진은 이번 연구를 통해 포플러 잎의 열관리 전략을 모사한 인공소재를 개발함으로써, 건축 외벽·지붕·임시 보호소 등에서 전력 없이 스스로 온도를 조절하는 열관리 기술의 적용 가능성을 크게 높였다.
우리 대학은 전기및전자공학부 송영민 교수 연구팀이 서울대학교 김대형 교수팀과 공동으로, 포플러의 자연 열조절 방식을 모사한 ‘유연 하이드로겔 기반 열조절기(LRT, Latent-Radiative Thermostat)’를 개발했다고 18일 밝혔다.
연구팀이 개발한 LRT는 자연을 모사하고 스스로 냉·난방 전환하는 열조절 장치다. 이 기술은 수분의 증발·응축에 따른 잠열 조절과 빛 반사·투과를 이용한 복사열 조절을 하나의 장치에서 동시에 구현할 수 있는 새로운 열관리 기술이다.
핵심 소재는 리튬 이온(Li⁺)과 하이드록시프로필 셀룰로오스(HPC)를 PAAm 하이드로겔에 결합한 구조다. Li⁺는 주변의 수분을 흡수·응축해 잠열을 조절함으로써 따뜻함을 유지하고, HPC는 온도 변화에 따라 투명·불투명하게 변하며 태양빛의 반사·흡수를 조절해 냉각과 난방 모드를 전환한다.
온도가 올라가면 HPC 분자들이 뭉치면서 하이드로겔이 불투명해지고, 이로 인해 태양광이 반사되어 자연 냉각 효과가 강화된다. 이렇게 만들어진 LRT는 주변 온도·습도·조도에 따라 자동으로 네 가지 열조절 모드로 전환된다.
▶이슬점 이하의 밤·한랭 환경에서는 공기 중 수분을 흡수·응축하며 열을 방출해 따뜻함을 유지하고 ▶약한 태양광이 비치는 추운 낮에는 태양빛을 투과시키고 흡습된 수분이 근적외선을 흡수해 난방 효과를 내고 ▶ 고온·건조한 환경에서는 내부 수분이 증발하며 강력한 증발 냉각이 일어나고 ▶강한 태양과 고온 조건에서는 HPC가 불투명해져 태양빛을 반사하고, 동시에 증발 냉각이 작동해 온도를 낮춘다. 즉, 전력 없이도 주변 환경에 맞춰 스스로 냉·난방 모드를 전환하는 자연 모사형 열관리 장치다.
이번 연구를 통해 LRT는 여름에는 더 시원하게, 겨울에는 더 따뜻하게 유지할 수 있는 성능을 확보했다. 연구팀은 Li⁺와 HPC의 농도를 조절해 다양한 기후 조건에 맞게 열조절 특성을 세밀하게 조정할 수 있음을 확인했고, TiO₂ 나노입자를 추가해 소재의 내구성과 기계적 강도도 크게 향상시켰다.
실외 실험 결과, LRT는 기존 냉각 소재보다 여름에는 최대 3.7°C 더 낮고, 겨울에는 최대 3.5°C 더 높은 온도를 유지했다. 또한 7개 기후대(ASHRAE 기준)를 대상으로 한 시뮬레이션에서는 기존 지붕 코팅보다 연간 최대 153 MJ/m²의 에너지 절감 효과가 있는 것으로 나타났다.
이번 연구는 자연계의 고도화된 열관리 기능을 공학적으로 구현한 사례로, 건축 외벽·지붕, 재난 임시시설, 야외 저장소 등 전력 기반 냉난방이 어려운 환경에서 활용될 차세대 열관리 플랫폼으로 기대된다.
송영민 교수는 “이번 연구는 자연의 지능형 열조절 전략을 공학적으로 재현한 기술로, 계절과 기후 변화에 스스로 적응하는 열관리 장치를 제시했다는 데 의미가 있다”며 “향후 다양한 환경에 적용 가능한 지능형 열관리 플랫폼으로 확장될 수 있을 것”이라고 말했다.
KAIST 전기및전자공학부 김형래 박사과정 학생이 공동 제1저자, 송영민 교수가 교신저자로 참여한 이번 연구 결과는 재료과학 분야의 세계적인 학술지인 `어드밴스드 머터리얼즈(Advanced Materials, IF 26.8)'에 11월 4일자 온라인 게재됐다.
※ 논문명 : Hydrogel Thermostat Inspired by Photoprotective Foliage Using Latent and Radiative Heat Control, DOI : https://doi.org/10.1002/adma.202516537
한편, 이번 연구는 과학기술정보통신부와 한국연구재단이 지원하는 과학기술원 InnoCORE 사업, 중견연구사업, 나노 및 소재기술개발사업, 미래의료혁신 대응기술개발사업, 해외우수연구기관협력허브구축사업, 산업통상자원부와 한국산업기술기획평가원이 지원하는 바이오산업기술개발사업의 지원을 받아 수행됐다.
2025.11.18
조회수 3384
-
AI로 기후리스크에 강한 도시 상권 찾아낸다
우리 대학은 도시인공지능연구소(소장 건설및 환경공학과 윤윤진 지정석좌교수)가 미국 MIT 센서블 시티 랩(Senseable City Lab, 소장 Carlo Ratti 교수)과 함께 ‘도시와 인공지능(Urban AI)’분야의 공동연구를 진행하고, 그 성과를 서울 코엑스에서 열린 9월 말 ‘스마트라이프위크 2025(Smart Life Week 2025)’ 전시를 통해 공개했다고 10월 29일 밝혔다.
KAIST와 MIT는 도시의 주요 문제를 인공지능으로 해석하는‘Urban AI 공동연구 프로그램’을 추진해 왔으며, 이번 전시에서는 ▲도시 기후 변화 ▲녹지 환경 ▲데이터 포용성 등 세 가지 주제를 중심으로 연구 성과를 시민이 직접 체험할 수 있는 형태로 선보였다.
양 기관은 이번 협력을 통해 AI 기술이 도시의 문제를 계산하는 도구를 넘어, 사회적 이해와 공감을 이끄는 새로운 지능으로 확장될 수 있음을 보여주며 ▲도시의 열과 매출 ▲치유하는 자연, 서울 ▲데이터 소니피케이션 등 세 가지 프로젝트를 진행했다.
첫 번째 프로젝트인 ‘도시의 열과 매출’은 기후 변화가 도시 상권과 소상공인 생태계에 미치는 영향을 인공지능으로 분석한 연구다. 서울시 426개 행정동별 96개 업종에 대한 매출과 날씨 등 3억 개 이상의 데이터를 학습한 인공지능 모델을 통해, 기온과 습도 등의 기후 요인이 업종별 매출에 미치는 영향을 정량화했다.
그 결과는 각 지역·업종별로 기후 변화에 얼마나 잘 적응하고 회복할 수 있는지를 점수화한 ‘도시의 회복력(Urban Heat Resilience)’지표 40,896개로 시각화되어 어느 지역이 기온 리스크에 강한 상권인지 등 지역별 상권의 회복력 수준을 한눈에 파악할 수 있도록 구성되었다.
연구에 따르면 편의점 업종의 경우, 총 426개 행정동 중 64.7%는 기후 변화에 비교적 안정적인 ‘기후 중립 지역’이며 나머지 35.3%는 기후 변화에 영향을 크게 받는 ‘기후 민감 지역’에 속하는 것으로 분석되었다. 이는 편의점 업종의 영업 환경은 지역별로 기후 영향 편차가 존재하며, 도시 회복력 관점에서 향후 입지 전략 수립 시 참고할 수 있는 데이터로 활용 가능하다.
관람객은 실제 서울 지도를 기반으로 지역과 업종을 선택해, AI가 미래 기온 상승 시나리오에 따른 매출 변화를 실시간으로 예측하는 시스템을 체험할 수 있었다.
해당 예측 모델은 KAIST가 자체 개발한 기술로, 향후 보스턴·런던 등 세계 주요 도시와의 협력 확장도 추진될 예정이다. 이 연구는 향후 소상공인의 개업 전략 수립과 도시 기후 리스크 대응 정책 수립에 새로운 방향을 제시할 것으로 기대된다.
두 번째 프로젝트 ‘치유하는 자연, 서울’은 MIT의 글로벌 프로젝트 ‘Feeling Nature’의 서울 확장판으로, 스트리트뷰·지도·위성 이미지 등 도시 환경 데이터와 시민 설문 데이터를 결합해 AI가 ‘서울 시민이 실제로 느끼는 녹지의 심리적 경험(psychological green)’을 추정하도록 학습시켰다.
이를 통해 단순히 나무나 공원의 면적을 계산하는 수준을 넘어, 시민이 느끼는 정서적 회복력(emotional resilience)과 웰빙(well-being)을 반영한 새로운 도시 설계 방향을 제시했다. 해당 연구는 향후 서울시 녹지 정책 및 지역 맞춤형 도시 디자인에 활용될 과학적 근거를 제공할 것으로 기대된다.
마지막 프로젝트인 ‘데이터 소니피케이션’은 3억 건이 넘는 데이터를 음악처럼 해석해 들을 수 있게 만든 세계 최초의 인공지능 기술이다. AI는 온도·습도·매출 등 데이터를 활용해 기온이 오르면 음이 높아지고, 매출이 줄면 소리가 낮아지는 식으로 정보를 소리로 표현한다. 이를 통해 시각 대신 청각으로 도시 데이터를 ‘듣는’ 새로운 감각적 경험을 제공한다.
이 기술은 시각장애인이나 어린이 등 시각 정보 접근이 어려운 사람도 데이터를 직관적으로 이해할 수 있도록 돕는 포용적 AI 기술로, ‘모두를 위한 인공지능(Barrier-Free AI)’의 대표 사례다.
이번 연구를 후원한 서울AI재단 김만기 이사장은 “KAIST와 MIT 등 세계적 연구기관과의 협업을 통해 도시 환경과 시민 삶을 인공지능으로 분석한 뜻깊은 성과를 거뒀다”며 “이번 연구가 시민의 관점에서 도시 변화를 이해하고 이를 정책과 생활로 연결하는 기반을 마련했다”고 말했다.
윤윤진 소장은 “이번 전시는 인공지능이 도시를 계산하는 기술을 넘어, 사람과 도시를 이해하고 공감하는 지능으로 발전할 수 있음을 보여줬다”며 “시민이 함께 데이터를 만들고 경험하며, 세계 여러 도시와 협력해 더 포용적이고 지속 가능한 도시 미래를 열어가겠다”고 밝혔다.
이번 성과는 KAIST 도시인공지능연구소과 미국 MIT 센서블 시티 랩(MIT Senseable City Lab)이 참여한 AI 분야 글로벌 협력 연구사업 과제로, 서울AI재단의 후원을 받아 수행되었다.
※연구성과 이미지/동영상: https://05970c0c.slw-6vy.pages.dev/
2025.10.29
조회수 6105
-
그린수소 전지를 전자레인지 돌리듯 단 10분만에 완성하다
이산화탄소를 배출하지 않는 그린수소(Green Hydrogen) 생산의 핵심 기술인 고체산화물 전해전지((Solid Oxide Electrolysis Cell, SOEC)는 세라믹 분말을 고온에서 굳히는 ‘소결’ 과정이 필요하다. 우리 대학 연구진은 이 과정을 6시간에서 10분으로 단축하고 온도도 1,400℃에서 1,200℃로 낮추는 데 성공했다. 이번 기술은 전지 제조의 에너지와 시간을 크게 줄여, 친환경 수소 시대를 앞당길 혁신으로 평가받고 있다.
우리 대학은 기계공학과 이강택 교수 연구팀이 단 10분 만에 그린수소의 고성능 전해전지를 완성할 수 있는 초고속 제조 기술을 개발했다고 25일 밝혔다.
이번 기술의 핵심인 ‘소결’ 은 전지를 이루는 세라믹 가루를 고온에서 구워 단단히 결합시키는 과정이다. 이 과정이 제대로 이루어져야 전지가 가스를 새지 않고(수소와 산소가 섞이면 폭발 위험), 산소 이온이 손실 없이 이동하며, 전극과 전해질이 단단히 밀착되어 전류가 원활히 흐른다. 즉, 전해전지의 성능과 수명은 얼마나 정밀하게 굽느냐에 달려 있다.
연구팀은 마이크로파를 이용해 재료를 내부부터 균일하게 가열하는 ‘체적가열(Volumetric Heating)’기술을 적용해, 기존 수십 시간이 소요되던 소결(sintering) 과정을 30배 이상 단축하는데 성공했다.
기존에는 1,400℃ 이상의 고온에서 장시간 처리해야 했는데 이번 연구에서는 마이크로파를 이용해 내부부터 동시에 가열함으로써, 단 10분 만에 1,200℃에서도 안정적인 전해질 형성이 가능함을 입증했다.
기존 공정에서는 전지를 만들 때 필수 재료인 세리아(CeO₂) 와 지르코니아(ZrO₂)가 너무 높은 온도에서 서로 섞여버려, 재료의 품질이 떨어지는 문제가 있었다. 하지만 KAIST의 새 기술은 이 두 재료가 서로 섞이지 않는 알맞은 온도에서 단단하게 붙도록 조절해, 흠집 없이 치밀한(빈틈 없는) 전해질층을 만드는 데 성공했다.
즉, ‘공정시간’은 하나의 전지를 완성하기 위해 필요한 가열, 유지, 냉각 과정을 모두 포함한 전체 제조 시간을 의미한다. 기존 일반 소결 공정은 약 36.5시간이 소요됐으나, 이번 마이크로웨이브 기술은 70분 만에 완료되어 약 30배 이상 빠른 제조 속도를 보였다.
그 결과, 새롭게 제작된 전지는 750℃에서 분당 23.7mL의 수소를 생산하고, 250시간 이상 안정적으로 작동하며 우수한 내구성을 보였다. 또한 3차원 디지털 트윈 분석(가상 시뮬레이션)을 통해 초고속 가열하는 소결 공정이 전해질(전지 속 재료)의 치밀도를 높이고, 연료극 내 산화니켈(NiO) 입자의 비정상적으로 커지지 않도록 조절함으로써 수소 생산 효율을 향상시킨다는 사실을 규명했다.
이강택 교수는 “이번 연구는 고성능 고체산화물 전해전지를 신속하고 효율적으로 제조할 수 있는 새로운 제조 패러다임을 제시한 성과”라며, “기존 공정 대비 에너지 소비와 시간 비용을 획기적으로 절감할 수 있어 상용화 가능성이 매우 높다”고 밝혔다.
기계공학과 유형민, 장승수 박사과정생이 공동 제1 저자로 참여한 이번 연구는 국제 학술지인 어드벤스드 머티리얼스(Advanced Materials) (IF: 26.8) 10월 2일 字 온라인판에 게재되었다. 또한 해당 논문은 연구의 파급력을 인정받아 표지논문 (Inside front cover) 으로 선정되었다.
※ 논문명: Ultra-Fast Microwave-Assisted Volumetric Heating Engineered Defect-Free Ceria/Zirconia Bilayer Electrolytes for Solid Oxide Electrochemical Cells,
DOI: https://doi.org/10.1002/adma.202500183
이 성과는 과학기술정보통신부 H2 Next Round 사업, 중견연구자지원사업, 글로벌 기초연구실 지원사업의 지원을 받아 수행했다.
2025.10.28
조회수 4817
-
빛 0.02초로 3,000 ℃구현...수소 생산 효율 6배 높혔다
요즘 수소 같은 청정에너지를 더 효율적이고 저렴하게 만들기 위해, 적은 전력으로 성능이 뛰어난 촉매 재료를 빠르게 합성하는 기술이 중요한 연구 주제로 떠오르고 있다. 우리 대학 연구진은 빛을 단 0.02초 비추어 3,000 ℃의 초고온을 구현하고 수소 생산 촉매를 효율적으로 제작할 수 있는 플랫폼 기술을 개발했다. 이 덕분에 에너지는 1/1,000만 쓰고도, 수소 생산 효율은 최대 6배 높아졌다. 이번 성과는 미래 청정에너지 기술의 상용화를 앞당길 핵심 돌파구로 평가된다.
우리 대학은 10월 20일, 신소재공학과 김일두 교수 연구팀과 전기및전자공학부 최성율 교수 연구팀이 강력한 빛을 짧게 쬐어주는 것만으로 고성능 나노 신소재를 합성하는 ‘직접접촉 광열처리(Direct-contact photothermal annealing)’ 합성 플랫폼을 개발했다고 밝혔다.
연구팀은 빛을 아주 짧게(0.02초) 비추는 것만으로 순간적으로 3,000 ℃의 초고온을 만들어내는 촉매 합성 기술을 개발했다. 이 빛의 열로, 단단하고 잘 반응하지 않는 ‘나노다이아몬드(nanodiamond)’를 전기가 잘 통하고 촉매로 쓰기 좋은 고성능 탄소 소재인 ‘탄소 나노어니언(Carbon Nanoonion)’이라는 새로운 소재로 바꾸는 데 성공했다. 이를 통해 기존 열선 가열 기반의 열처리 공정보다 에너지 소비를 1/1,000 수준으로 줄이면서, 공정 속도는 수백 배 이상 단축했다.
더 놀라운 점은, 이 과정에서 전환된 탄소 나노어니언 표면에 금속 원자를 하나하나 달라붙게 만들어 촉매 기능까지 동시에 구현했다는 것이다. 즉 ‘빛 비추기’로 구조를 바꾸고 그 재료에 기능까지 부여하는 일석이조의 촉매 플랫폼 기술을 개발했다.
탄소 나노어니언은 탄소 원자가 양파처럼 여러 겹으로 쌓인 초미세 구형태의 소재로, 전기 전도도와 내화학성이 뛰어나 촉매를 지지하는데 적합하다.
하지만 기존에는 탄소 나노어니언을 합성한 뒤 다시 촉매를 부착하는 복잡한 공정을 거쳐야 했고, 열선으로 가열하는 기존 열처리 방식은 에너지 소모가 크고 시간이 오래 걸려 상용화에 어려움이 있었다.
연구팀은 이 문제를 해결하기 위해 빛 에너지를 열로 전환하는 ‘광열효과(Photothermal effect)’를 이용했다. 탄소 나노어니언의 전구체인 ‘나노다이아몬드’에 빛을 잘 흡수하는 검은색 ‘카본블랙’을 섞은 뒤, 제논 램프로 강한 빛을 터뜨리는 방식을 고안했다.
그 결과 단 0.02초 만에 나노다이아몬드가 탄소 나노어니언으로 전환된다. 분자동역학 시뮬레이션에서도 이 과정이 물리적으로 충분히 가능한 것으로 확인됐다.
더 나아가, 이 플랫폼은 탄소 나노어니언 합성과 단일원자 촉매 부착을 한 번에 처리할 수 있다는 점에서 혁신적이다. 백금과 같은 금속 전구체를 함께 넣으면 금속들이 원자 단위로 분해되는 ‘단일원자 촉매’로 갓 생성된 탄소 나노어니언 표면에 즉시 달라붙는다.
이후 빠른 냉각 과정에서 원자들이 뭉치지 않아, 소재 합성과 촉매 기능화가 완벽히 통합된 단일 공정으로 완성된다. 연구팀은 이 기술을 활용해 백금(Pt), 코발트(Co), 니켈(Ni) 등 8종의 고밀도 단일원자 촉매를 성공적으로 합성했다.
이번에 제작된 ‘백금 단일원자 촉매–탄소 나노어니언’은 기존보다 6배 효율적으로 수소를 만들어내면서도 훨씬 적은 양의 고가 금속으로도 높은 효율을 낼 수 있음을 입증한 결과다.
김일두 교수는 “강한 빛을 0.02초도 안 되는 짧은 시간 동안 조사해 3,000 ℃까지 상승시키는 직접접촉 광열처리 기술을 최초로 구현했다”며 “기존 열처리 대비 에너지 소비를 1,000배 이상 줄인 초고속 합성–단일원자 촉매 기능화 통합 공정은 수소 에너지, 가스 센서, 환경 촉매 등 다양한 응용 분야의 상용화를 앞당길 것으로 기대된다”고 밝혔다.
이번 연구는 전도경 박사과정(KAIST 신소재공학과), 신하민 박사(KAIST 신소재, 현 ETH Zurich 박사후연구원), 차준회 박사(KAIST 전기및전자공학부, 현 SK hynix 연구원)가 공동 제1저자로 참여했으며, 최성율 교수(전기및전자공학부)와 김일두 교수(신소재공학과)가 교신저자로 참여했다.
연구 결과는 나노 및 화학 분야의 세계적 학술지인 미국화학회(American Chemical Society, ACS) 발간 『ACS Nano』 9월호 속표지(Supplementary Cover) 논문으로 게재되었다.
※ 논문명: Photothermal Annealing-Enabled Millisecond Synthesis of Carbon Nanoonions and Simultaneous Single-Atom Functionalization, DOI: 10.1021/acsnano.5c11229
본 연구는 한국연구재단 과학기술정보통신부 글로벌 R&D 기반구축사업, 선도연구센터지원사업, 나노종합기술원 반도체–이차전지 인터페이싱 플랫폼 기술개발 사업의 지원을 받아 수행되었다.
2025.10.20
조회수 5333
-
‘물리법칙 아는 AI’신소재 대량 탐색 척척!
신소재 개발의 핵심 단계인 ‘물성 규명’은 그동안 방대한 실험 데이터와 고가 장비에 의존해야 해 연구 효율이 낮다는 한계가 있었다. KAIST 연구진은 재료와 에너지의 변형과 상호작용을 지배하는 ‘물리법칙’을 AI와 결합한 새로운 기법을 통해, 데이터가 부족한 상황에서도 신소재를 신속히 탐색하고 나아가 재료·기계·에너지·전자 등 다양한 공학 분야의 설계와 검증까지 빠르게 수행할 수 있는 기반을 마련했다.
우리 대학 기계공학과 유승화 교수 연구팀이 경희대(총장 김진상) 임재혁 교수 연구팀과 한국전기연구원(원장 김남균, KERI) 류병기 박사와 각각 공동 연구를 통해, 물리 법칙을 인공지능 학습 과정에 직접 반영하는 물리 기반 머신러닝(Physics-Informed Machine Learning, PIML) 기법을 활용해, 적은 양의 데이터만으로도 소재 물성을 정확히 규명할 수 있는 새로운 방법을 제시했다고 2일 밝혔다.
첫 번째 연구에서는 고무와 같은 잘 늘어나는 초탄성(hyperelastic) 소재를 대상으로, 단 한번의 실험에서 얻은 적은 양의 데이터만으로도 재료의 변형 모습과 성질을 동시에 알아낼 수 있는 ‘물리 기반 인공 신경망(Physics-Informed Neural Network, PINN)’ 기법을 제시했다.
기존에는 많은 양의 복잡한 데이터를 모아야만 가능했지만, 이번 연구는 데이터가 부족하거나 제한적이거나 잡음이 포함된 상황에서도 안정적으로 소재 특성을 재현할 수 있음을 입증했다.
두 번째 연구에서는 열을 전기로, 전기를 열로 바꾸는 신소재인 ‘열전 소재’를 대상으로, 단 몇 개의 측정값만으로도 열을 얼마나 잘 전달하는지(열전도도)와 전기를 얼마나 잘 만들어내는지(제벡 계수) 같은 핵심 지표를 추정할 수 있는 PINN 기반 역추정 기법을 제안했다.
나아가 연구팀은 자연의 물리 법칙까지 이해하는 인공지능인 ‘물리 기반 신경 연산자(Physics-Informed Neural Operator, PINO)’를 도입해 학습되지 않은 신소재에도 재학습 과정 없이 일반화가 가능함을 보여주었다.
실제로 20개 소재로 학습한 뒤, 60개의 새로운 소재를 대상으로 테스트했는데, 모두 높은 정확도로 성질을 맞혀냈다. 이로써 앞으로 수많은 신소재 후보를 빠르게 골라내는 고속·대량 소재 탐색이 가능해질 전망이다.
이번 성과는 단순히 ‘실험을 줄였다’는 수준을 넘어선다. 물리 법칙과 인공지능을 정교하게 결합해, 실험 효율은 높이고 신뢰성은 지킨 첫 사례이기 때문이다.
두 연구 모두 총괄하여 진행한 유승화 교수는 “이번 성과는 물리 법칙을 이해하는 인공지능을 실제 소재 연구에 적용한 첫 사례”라며, “데이터 확보가 제한적인 상황에서도 물성을 신뢰성 있게 규명할 수 있어 다양한 공학 분야로 확산될 것”이라고 말했다.
첫 번째 논문은 KAIST 기계공학과 문현빈·박동근 박사과정이 공동 제1 저자로 참여했으며 국제 학술지 ‘컴퓨터 매써드 인 어플라이드 머케닉스 엔 엔지니어링(Computer Methods in Applied Mechanics and Engineering)’에 8월 13일자에 게재되었다.
※논문 제목: Physics-informed neural network-based discovery of hyperelastic constitutive models from extremely scarce data
※DOI: https://doi.org/10.1016/j.cma.2025.118258
두 번째 논문은 KAIST 기계공학과 문현빈·이송호 박사과정, 와비 데메케(Wabi Demeke) 박사가 공동 제1 저자로 참여했으며 ‘엔피제이 컴퓨테이셔널 머티리얼즈(npj Computational Materials)’에 8월 22일자에 연이어 게재됐다.
※논문 제목: Physics-informed neural operators for generalizable and label-free inference of temperature-dependent thermoelectric properties
※DOI: https://doi.org/10.1038/s41524-025-01769-1
한편, 첫번째 연구는 한국연구재단·과학기술정보통신부 이노코어 프로그램 및 식품의약품안전처 연구과제의 지원을, 두번째 연구는 한국연구재단·과학기술정보통신부 이노코어 프로그램의 지원을 받아 수행됐다.
2025.10.02
조회수 6484
-
수소전기차 연료전지 촉매 성능 저하 비밀 풀었다
수소전기차의 핵심인 연료전지 작동 중 촉매의 ‘열화 과정(어떻게 망가지고 성능이 떨어지는지)’을 우리 연구진이 국제연구진과 함께 세계 최초로 원자 단위에서 3차원으로 직접 추적하는 데 성공했다. 이번 성과는 고성능·고내구성 연료전지 개발을 앞당겨 미래 친환경 교통수단과 에너지 전환에 크게 기여할 것으로 기대된다.
우리 대학 물리학과 양용수 교수와 신소재공학과 조은애 교수 공동연구팀이 미국 스탠퍼드대학교, 로런스 버클리 국립연구소와의 국제 공동연구를 통해 연료전지 촉매 내부의 원자 하나하나가 수천 번의 작동 사이클 동안 어떻게 움직이고, 어떤 방식으로 성능이 저하되는지를 3차원으로 직접 추적하는 데 성공했다고 14일 밝혔다.
수소연료전지는 탄소배출이 없는 차세대 친환경 에너지 기술로 주목받고 있다. 그러나 촉매로 사용되는 백금(Pt) 기반 합금은 주행 과정에서 성능이 점차 저하되는 ‘열화 현상’이 발생해 상용화의 걸림돌이 되어 왔다. 열화의 근본 원인을 규명하지 못하면 연료전지 교체 주기가 짧아지고 수소차 가격 인하에도 한계가 있었다.
연구팀은 이 문제를 해결하기 위해, 원자 하나하나의 3차원 움직임을 직접 볼 수 있는 인공신경망 기반 원자 전자 단층촬영 기법을 개발했다.
병원에서 사용하는 CT 단층촬영법이 여러 각도에서 X선 영상을 찍어 인체 내부를 3차원으로 보여주는 것과 마찬가지로, 연구팀은 전자현미경을 이용해 다양한 각도에서 고해상도 이미지를 촬영하고, 이를 인공지능 신경망과 결합해 나노 촉매 내부 원자들의 3차원 위치를 정밀하게 재구성했다.
그 결과, 수천 개에 달하는 원자들이 연료전지 작동 과정에서 어떻게 이동하고 변형되는지를 마치 눈으로 들여다보듯 생생하게 관찰할 수 있게 됐다.
연구팀은 백금-니켈(이하 PtNi) 합금 나노입자에 대해 수천 번의 전기화학적 작동을 가한 후, 각 단계에서 촉매 입자의 3차원 원자구조를 분석했다. 그 결과, 일반적인 PtNi 입자에서는 시간이 지남에 따라 입자 형태가 변형되고, 니켈이 빠져나가고, 제 기능을 점차 잃어버리는 현상이 나타났다.
반면 갈륨 원소를 조금 섞어준 촉매 입자에서는 이러한 변화가 거의 없어서 처음부터 성능도 더 뛰어나고, 오래 사용해도 성능을 잘 유지함을 입증했다. 이를 통해 연구팀은 촉매 안에 원자들이 시간이 지나면서 어떻게 변하는지 그리고 그 변화가 성능 저하와 어떤 관계가 있는지를 정량 데이터로 명확하게 규명했다.
양용수 교수는 “이번 연구는 실제 연료전지 촉매의 3차원 열화 과정을 원자 단위에서 정량적으로 추적한 세계 최초 사례로, 실험적으로 관측하기 어려웠던 실제 촉매 표면과 내부의 3차원 원자 구조 변화를 직접 측정했다는 점에서 이론 모델이나 시뮬레이션에 의존했던 기존 연구들과 차별점을 가진다”라고 강조했다.
이어 “고성능·고내구성 연료전지 촉매 설계의 핵심 기반이 될 것이며 또한 AI 기반 정밀 원자구조 분석 기술은 배터리 전극, 메모리 소자 등 다양한 나노소재 연구에도 폭넓게 활용될 것”이라고 전망했다.
이번 연구에는 물리학과 정채화 박사, 이주혁 박사, 조혜성 박사, 신소재공학과 이광호 연구원이 공동 제1저자로 참여했고, 연구 결과는 세계적 학술지 네이처 커뮤니케이션즈(Nature Communications) 8월 28일자에 게재됐다.
※ 논문제목: Atomic-scale 3D structural dynamics and functional degradation of Pt alloy nanocatalysts during the oxygen reduction reaction
※DOI: https://doi.org/10.1038/s41467-025-63448-5
한편, 이번 연구는 한국연구재단 개인기초연구지원사업 및 KAIST 특이점교수사업의 지원을 받았다.
2025.09.15
조회수 6458