%EC%A0%95%EC%9C%A0%EC%84%B1
-
인공지능으로 화학반응을 예측하다
우리 대학 생명화학공학과 정유성 교수 연구팀이 화학자처럼 생각하는 인공지능을 개발했다고 4일 밝혔다. 연구팀이 개발한 인공지능은 유기 반응의 결과를 정확하게 예측한다.
유기 화학자는 반응물을 보고 유기 화학반응의 결과를 예상해 약물이나 유기발광다이오드(OLED)와 같이 원하는 물성을 갖는 분자를 합성한다. 하지만 실험을 통해 화학반응의 생성물을 직접 확인하는 작업은 일반적으로 시간과 비용이 많이 소모된다. 게다가 유기 화학 반응은 같은 반응물에서 다양한 생성물이 생길 수 있어 숙련된 유기 화학자라도 모든 화학반응을 정확하게 예측하지 못한다.
이런 한계를 극복하고자 인공지능을 이용해 유기 반응을 예측하는 연구가 활발하게 일어나고 있다. 대부분의 연구는 반응물과 생성물을 서로 다른 두 개의 언어로 생각하고 한 언어에서 다른 언어로 번역하는 언어 번역 모델을 사용하는 방법에 집중하고 있다. 이 방법은 예측 정확도는 높지만, 인공지능이 화학을 이해하고 생성물을 예측했다고 해석하기 어려워 모델이 예측한 결과를 신뢰하기 어렵다.
정 교수팀은 화학적 직관을 바탕으로 모델을 설계해서 모델이 예측한 결과를 화학적으로 설명을 할 수 있을 뿐 아니라, 공개 데이터베이스에서 매우 우수한 예측 정확도를 달성했다.
정 교수팀은 화학자가 반응 결과를 예측하는 방법에서 아이디어를 얻었다. 화학자는 반응 중심을 파악하고 화학반응 규칙을 적용해 가능한 생성물을 예측한다. 이 과정을 본떠서 공개 화학반응 데이터베이스로부터 화학반응 규칙을 도출했다. 화학반응 규칙을 바탕으로 분자의 화학 반응성을 예측하기 위해서, 분자를 그래프로 취급하는 그래프 신경망(Graph Neural Network, GNN) 모델을 개발했다. 이 모델에 반응물들을 넣으면 화학반응 규칙과 반응 중심을 식별해 생성물을 성공적으로 예측한다.
정 교수팀은 화학반응에서 널리 사용되는 미국 특허무역청(USPTO) 데이터를 이용해 유기 반응을 90% 이상의 정확도로 예측하는 데 성공했다. 개발된 모델은 실제 사용 시 모델에 높은 신뢰성을 제공하는 `예측의 불확실성'을 말할 수 있다. 예를 들어, 불확실성이 낮다고 간주되는 모델의 정확도는 98.6%로 증가한다. 모델은 무작위로 샘플링된 일련의 유기 반응을 예측하는 데 있어 소규모의 합성 전문가보다 더 정확한 것으로 나타났다.
이번 연구의 성공으로 연구팀은 다른 분야에서 좋은 성능을 보인 모델을 그대로 사용하던 기존 방법보다, 화학자가 생각하는 방법과 동일하게 신경망을 설계하는 전략이 더 합리적이고 우수한 성능을 보인다는 것을 입증했다. 연구팀은 이 연구를 활용하면 분자 설계 과정이 비약적으로 빨라질 것으로 기대하며, 새로운 화합물 개발에 실용적인 응용을 기대하고 있다. 정유성 교수팀은 현재 연구 성과의 특허 출원을 준비하고 있다.
우리 대학 생명화학공학과 첸수안(Shuan Chen) 박사과정이 제1 저자로 참여한 이번 연구 결과는 국제 학술지 '네이처 머신 인텔리전스(Nature Machine Intelligence)'에 9월호 표지논문으로 선정돼 출판됐다.
한편 이번 연구는 산업통상자원부와 한국연구재단의 지원을 받아 수행됐다.
2022.10.04 조회수 21558 -
정유성 교수, 제4회 한성과학상 수상
한성손재한장학회(이사장 손명아)와 한성과학상 심사위원회는 우리 대학 생명화학공학과 정유성 교수를 제4회 한성과학상 화학분야 수상자로 선정했다고 24일 밝혔다.
정유성 교수는 신물질 발견과 그 합성 가능성을 알고리즘이 학습을 통해 예측하는 인공지능 (AI) 역설계 기법을 독자적으로 개발함으로써, 데이터 기반의 소재 및 분자 설계의 새로운 연구 방향을 제시하였다. 기존의 신물질 발견 과정은 전문가의 직관이나 실험적 시행착오를 통해 후보 물질을 제시하고 합성한 후 물성을 측정함으로써 응용 목적에 맞는 후보 물질을 발굴하는 직접 설계 방법이 주를 이루었으나, 많은 시간이 소요되거나 전문가의 직관에서 벗어나는 획기적인 물질의 발견이 더뎠다.
정유성 교수가 독창적으로 구현한 AI 소재 역설계 기법은, 원하는 물성을 갖는 결정구조를 전문가의 직관이나 편견 없이 데이터와 인공지능 알고리즘을 통하여 역으로 찾는 방법으로 신 물질 발견의 시간을 크게 줄여주었고, 화합물의 합성 가능성을 실험에 앞서 미리 예측할 수 있는 AI 알고리즘을 개발하여 실용적인 소재 설계의 가능성을 높였다.
정유성 교수는 “AI 역설계 기술을 통해 신소재 및 신약 개발을 가속화할 수 있다”며 “사람의 개입 없이 데이터와 알고리즘 그리고 로봇에 의해 구현되는 미래 자율 실험실의 알고리즘으로 활용될 수 있을 것"이라고 말했다. 그리고 "무엇보다 연구 성과들을 열정과 노력으로 만들어낸 연구실 멤버들에게 감사드린다"고 소감을 전했다.
한성과학상은 한국의 노벨상 수상자 배출을 위해 손재한 월드타워 회장이 제정했다. 2018년부터 물리학, 화학, 생명과학 3개 분야에서 독창적인 성과를 낸 젊은 과학자를 선정하고, 수상자에게는 상패와 상금 5,000만 원이 수여된다.
2021.06.30 조회수 11110 -
딥러닝 통해 수소 발생 메커니즘 규명
우리 대학 생명화학공학과 정유성 교수 연구팀이 심층 학습(딥러닝)을 통해 고활성 백금 와이어의 수소 발생 메커니즘을 규명하는 데 성공했다고 29일 밝혔다.
백금은 전기차 등에 사용되는 연료 전지에 쓰이거나, 물의 전기 분해를 통해 수소를 얻는 데 사용되는 중요한 촉매이지만 가격이 비싸 기술 보급에 걸림돌이 되고 있다. 이를 해결하는 방법의 하나로 최근 백금을 톱니 와이어 모양으로 합성해 백금의 양을 10배 정도 절약하는 연구들이 발표돼 큰 파장을 불러일으켰지만, 아직 그 메커니즘이 규명되지 않았다.
정유성 교수 연구팀은 복잡한 촉매 표면의 성질을 빠르게 예측하는 딥러닝 방법들을 고안했는데, 이번에 이를 톱니 백금 와이어에 적용해 해당 촉매의 높은 수소 활성 메커니즘을 규명할 수 있었다.
연구팀이 규명한 톱니 백금 와이어에서의 수소 발생 메커니즘은 기존에 알려진 촉매 직관을 깨는 새로운 메커니즘인 것으로 밝혀졌다. 수소 발생은 물에서 양성자를 받아 수소를 흡착시키는 흡착반응과 흡착된 수소 원자들이 결합해 수소 분자가 형성되는 짝지음 반응의 2단계를 거쳐 일어나는데, 이 두 반응은 일반적으로 같은 반응 자리(reaction site)에서 일어난다.
하지만, 이번에 새롭게 발견된 메커니즘에 의하면, 톱니 백금 표면에서는 울퉁불퉁한 구조로 인해 흡착반응이 잘 일으키는 반응 자리와 짝지음 반응을 잘 일으키는 반응 자리가 따로 존재하고, 이 두 자리의 상승 작용으로 인해 촉매 활성이 400% 이상 증가한다. 마치 분업화를 통해 일의 효율을 높이는 것과 같은 개념이 분자 세계에서도 존재하는 것이다.
정유성 교수는 "분자 수준에서 분업을 통해 전체 반응 효율을 높이는 개념들이 기존에도 있긴 했지만, 단일성분인 백금에서 구조에 따른 분업 현상이 규명된 것은 이번이 처음ˮ이라면서, "단일성분 촉매의 구조를 변화시킴으로써 촉매의 효율을 높일 수 있는 새로운 관점과 설계원리를 제시했다는 점에서 의미가 있다ˮ고 했다.
우리 대학 구근호 박사후연구원이 제1 저자로 참여하고, 톱니 백금 와이어를 합성한 캘리포니아대학교 로스엔젤리스(UCLA)의 듀안 교수 연구팀과 캘리포니아 공과대학교(Caltech)의 고다드 교수 연구팀이 함께 참여한 이번 연구성과는 미국화학회가 발행하는 국제학술지 미국화학회지(Journal of the American Chemical Society) 온라인 3월 17일 字에 실렸다. (논문명: Autobifunctional Mechanism of Jagged Pt Nanowires for Hydrogen Evolution Kinetics via End-to-End Simulation)
이번 연구는 과학기술정보통신부 산하 한국연구재단의 중견연구자 기초연구사업과 PEMWE용 저가의 고성능 수소 발생반응 촉매 개발 사업의 지원을 받아 수행됐고, KISTI의 슈퍼컴퓨터 자원이 활용됐다.
2021.04.29 조회수 28441 -
딥러닝으로 소재 합성 가능성 예측 기술 개발
우리 대학 생명화학공학과 정유성 교수 연구팀이 딥러닝을 활용해 소재의 합성 가능성을 높은 정확도로 예측하는 기술을 개발했다고 22일 밝혔다.
신소재 설계의 궁극적인 목표는 소재를 설계하고 그것을 실험적으로 합성하는 것이지만 현실적으로는 새롭게 설계된 대부분의 소재가 실제 합성 단계에서 성공하지 못하고 버려지는 경우가 많다. 이는 불필요한 시간과 자원의 낭비를 초래한다. 소재의 합성 여부는 반응 조건, 열역학, 반응 속도, 소재 구조 등 다양한 요인에 의해서 결정되기 때문에, 소재의 합성 가능성을 예측하는 것은 매우 도전적인 과제로 여겨져 왔다.
이런 문제 해결을 위한 방안으로 간단한 열역학적 안정성만을 고려해 고체 소재의 합성 가능성을 추정하지만 정확도는 매우 떨어지는 편이다. 일례로 에너지적으로 안정된 물질이라 하더라도 합성이 안 되는 경우가 아주 빈번하고, 또 반대로 *준안정 상태의 물질들도 합성되는 경우가 많기 때문이다. 따라서, 합성 가능성에 대한 예측 정확도를 획기적으로 높일 수 있는 방법론의 개발이 시급한 과제로 여겨져 왔다.
☞ 준안정(metastable) 상태 : 어떤 물질이 열역학적으로 안정된 ‘바닥 상태’가 아닌 상태
정유성 교수 연구팀이 개발한 소재 합성 가능성 예측기술은, 기존 합성이 보고된 고체 소재들의 구조적 유사성을 그래프 합성 곱 신경망(GCN, Graph Convolutional Neural Network)으로 학습해 새로운 소재의 합성 가능성을 예측할 수 있다. 특히, 현재까지 합성이 안 된 물질이라 하더라도 합성이 성공할 가능성은 여전히 존재하기 때문에 참값(레이블)을 이미 알고 학습을 진행하는 일반적인 지도학습과는 달리 양의 레이블(+)을 가진 데이터와 레이블이 없는 데이터(Positive-Unlabeled, P-U)를 이용한 분류 모델 기반의 준 지도학습을 사용했다.
정 교수팀은 5만여 종에 달하는 이미 합성이 보고된 물질과 8만여 종의 *가상 물질로 이뤄진 `머터리얼스 프로젝트(Materials Project, MP)'라는 소재 관련 데이터베이스를 이용해 모델을 구축했다. 연구팀 관계자는 이 신기술을 활용한 결과, 소재들의 합성 가능성을 약 87% 정확하게 예측할 수 있다고 설명했다. 정 교수팀은 또 이미 합성된 소재들의 열역학적 특성을 분석한 결과, 열역학적 안정성만으로는 실제 소재의 합성 가능성을 예측할 수 없다는 사실도 알아냈다.
☞ 가상 물질(hypothetical materials) : 기존에 합성되어 보고된 물질들을 원소 치환해서 얻어지는 가상의 물질들로 아직 실험적으로 합성 보고가 이루어지지 않은 물질
이와 함께 머터리얼스 프로젝트(MP) 데이터베이스 내에 합성 가능성 점수가 가장 높은 100개의 가상 물질에 대해 문헌조사를 실시한 결과, 이들 중 머터리얼스 프로젝트(MP) 데이터베이스에는 합성 여부가 아직 알려지지 않았지만 실제로 합성돼 논문에 보고된 소재만도 71개에 달하는 것을 확인했고 이를 통해 모델의 높은 정확도를 추가로 입증했다.
정유성 교수는 "빠른 신소재 발견을 위해 다양한 소재 설계 프레임워크가 존재하지만 정작 설계된 소재의 합성 가능성에 관한 판단은 전문가 직관의 영역으로 남아 있다ˮ면서 "이번에 개발한 합성 가능성 예측 모델은 새로운 소재를 설계할 때 실제로 합성 가능성을 실험 전에 미리 판단할 수 있어 새로운 소재의 개발시간을 단축하는 데 큰 도움이 될 것ˮ이라고 말했다.
생명화학공학과 장지돈 박사과정과 구근호 박사후연구원이 공동 제1 저자로 참여한 이번 연구결과는 미국화학회가 발행하는 국제학술지 미국화학회지(Journal of the American Chemical Society) 온라인 10월 26일 자에 실렸다. (논문명: Structure-Based Synthesizability Prediction of Crystals Using Partially Supervised Learing)
한편 이번 연구는 과학기술정보통신부 산하 한국연구재단의 기초연구사업(중견연구)과 미래소재 디스커버리 사업 지원을 받아 수행됐고, 연구에 KISTI의 슈퍼컴퓨터를 활용했다.
2020.12.22 조회수 52924 -
인공지능을 이용해 숨겨진 소재를 탐색하는 기술 개발
우리 대학 생명화학공학과 정유성 교수 연구팀이 인공지능(AI) 기술을 이용해 숨겨진 소재 공간을 탐색, 숨겨진 새로운 물질을 예측하는 기술을 개발하는 데 성공했다고 27일 밝혔다.
소재 연구의 궁극적인 목표는 원하는 *물성을 갖는 소재를 발견하는 것이다. 그러나 무기화합물의 가능한 모든 조성과 결정구조를 고려할 때 무한대에 가까운 경우의 수를 샅샅이 탐색하기는 쉽지 않다. 이러한 문제 해결을 위한 방안으로 컴퓨터 스크리닝 소재 탐색 방법이 널리 사용되고 있지만 찾고자 하는 소재가 스크리닝 후보군에 존재하지 않을 때는 유망한 물질 후보들을 놓치는 경우가 종종 발생한다.
☞ 물성(physical properties): 물질의 전기적, 자기적, 광학적, 역학적 성질 따위를 통틀어 이르는 말
정유성 교수 연구팀이 개발한 *소재 역설계 방법은 데이터 학습을 통해 주어진 조성을 갖는 결정구조를 새롭게 생성하게 함으로써 기존 데이터베이스에는 존재하지 않던 신물질을 발견할 수 있도록 한다. 특히, 기존의 역설계 방법에서는 원하는 조성을 제어할 수 없지만, 정 교수팀이 개발한 역설계 방법은 원하는 조성을 제어함으로써 숨어있는 화학 공간을 효율적으로 탐색해 물질을 설계할 수 있다.
☞ 소재 역설계(Materials Inverse Design): 주어진 구조에 대한 물성을 측정하는 방식의 반대 개념으로, 특정한 물성을 갖도록 소재의 구조를 역으로 찾아가는 방법
이번 정 교수팀의 연구성과인 결정구조 예측기술은 인공지능 생성모델인 적대적 생성 신경망(GAN, Generative Adversarial Network)을 기반으로 개발됐다. 또 기존의 복잡한 3차원 이미지 기반 물질 표현자의 단점을 해소하기 위해 비교적 간단한 원자들의 3차원 좌표를 기반으로 한 물질 표현자를 사용했다.
정 교수팀은 이번 연구를 통해 개발한 소재 역설계 방법을 활용, 빛을 이용한 수소생산 촉매로 활용될 수 있는 마그네슘-망간-산화물 기반의 광촉매 물질의 결정구조를 예측하는 데도 성공했다. 기존 데이터베이스에 존재하지 않는 조성들을 생성조건으로 다양한 마그네슘-망간-산화물 구조를 생성한 결과, 기존에 알려지지 않았으면서 광촉매로서 전도유망한 특성을 갖는 신물질을 다수 발견했다.
정유성 교수는 "광촉매 물질의 설계에 적용한 이번 소재 설계 프레임워크는 화합물의 화학적 조성뿐 아니라 사용자가 원하는 특정 물성을 갖는 소재를 역설계하는데 적용이 가능하다ˮ면서 "여러 소재 응용 분야에서 활용될 수 있을 것으로 기대된다ˮ고 말했다.
우리 대학 생명화학공학과 김성원 박사과정과 노주환 박사과정이 공동 제1 저자로, 토론토 대학의 아스푸루-구지크(Aspuru-Guzik) 교수가 공동연구로 참여한 이 연구성과는 미국화학회(ACS)가 발행하는 국제학술지 ACS 센트럴 사이언스(ACS Central Science) 지난 8월호에 실렸다.(논문명: Generative Adversarial Networks for Crystal Structure Prediction)
한편, 이번 연구는 과학기술정보통신부 산하 한국연구재단의 기초연구사업(중견연구) 지원을 받아 수행됐다.
2020.10.28 조회수 29279 -
정유성 교수, 인공지능을 통한 소재 역설계 기술 개발
〈 정유성 교수, 노주환 박사과정〉
우리 대학 EEWS대학원/생명화학공학과 정유성 교수 연구팀이 인공지능을 활용해 원하는 물성을 갖는 신소재를 역설계하는 기술을 개발했다.
연구팀은 알고리즘을 통해 수만 개의 물질을 학습시킨 뒤 인공지능을 통해 원하는 물성을 갖는 소재를 역설계하는 방식으로 4종의 신물질을 발견했다. 향후 신소재 개발에 크게 이바지할 수 있을 것으로 기대된다.
노주환 박사과정이 1저자로 참여한 이번 연구 결과는 ‘셀 (Cell)’ 자매지 ‘매터(Matter)’ 10월 2일 자 온라인판에 출판됐다. (논문명 : Inverse Design of Solid State Materials via a Continuous Representation)
소재 연구의 궁극적인 목표는 원하는 물성을 갖는 신소재를 개발하는 것이다. 하지만 현재까지의 신소재 개발은 화학적 직관과 실험적 시행착오를 통한 방법 위주였기 때문에 개발 비용과 시간이 많이 들어 소재 개념화에서부터 상용화에 걸리는 시간이 평균 30년 정도 소요됐다.
기존의 소재 개발 과정은 소재를 시행착오를 통해 합성하고 난 후 물성을 측정해 만들어진 소재가 응용 목적에 맞는 소재인지를 평가하는 방식으로 개발됐다.
정 교수 연구팀은 인공지능 기술과 슈퍼컴퓨터 활용을 융합해 이러한 소재 개발을 기간을 크게 단축할 수 있는 새로운 소재 역설계 방법을 개발했다. 정 교수팀이 개발한 소재 역설계 방법은 기계(알고리즘)로 기존의 수만 개 물질과 그 물질들이 갖는 물성을 학습하게 한 후, 원하는 물성을 갖는 물질을 인공지능 기반 알고리즘이 역으로 생성하는 방식이다.
연구팀이 개발한 소재 역설계 방법은 기존의 컴퓨터 스크리닝을 통해 소재 설계를 가속화 하는 연구와도 차별성이 있다. 스크리닝 기반의 소재 발견 기술은 발견될 물질이 스크리닝 대상이 되는 물질 데이터베이스를 벗어날 수 없다는 한계를 가지고 있다. 따라서 데이터베이스에 존재하지 않는 새로운 형태의 소재를 발견하지 못한다는 단점이 있다.
연구팀이 개발한 신소재 역발견 모델은 인공지능 모델의 한 종류인 생성모델을 이용한 것으로, 생성모델은 이미지 및 음성 처리에 활발하게 활용되고 있는 기술이다. 예를 들어 수천 명의 얼굴들을 기계로 학습하게 해 새로운 사람의 얼굴을 생성해 내는 인공지능 기법이다.
연구팀은 이미지 생성에 주로 쓰이는 생성모델 기반의 인공지능 기법을 알려지지 않은 무기 고체 소재를 생성하는 데 최초로 적용했다. 특히 기존의 생성모델을 고체 소재에 적용하기 위해 역변환이 가능한 3차원 이미지 기반의 표현자를 도입함으로써 현재까지의 소재 역설계 모델의 한계를 극복했고, 이를 iMatGen(image-based Materials Generator) 이라 이름 지었다.
연구팀은 개발된 소재 역설계 기법을 새로운 바나듐 산화물 결정구조를 예측하는데 적용했다. 이 학습 과정에서 기존에 알려진 물질을 제외해 학습하더라도 제외된 물질들을 역으로 재발견할 수 있음을 확인해 개발 모델의 타당성을 검증했다.
최종적으로 개발된 모델을 통해 학습된 연속 잠재공간을 다양한 방법으로 샘플링하고 역변환 함으로써 기존에 존재하지 않는 전혀 새로운 바나듐 산화물 결정구조를 예측할 수 있었다.
정유성 교수는 “이번 연구는 원하는 물성을 갖는 무기 고체 소재를 역으로 설계하는 방법을 데이터 기반 기계학습으로 최초로 보인 예로, 향후 다양한 응용 분야의 신소재 개발에 도움을 줄 수 있을 것으로 기대한다”라고 말했다.
이번 연구 성과는 한국연구재단, 산업통상자원부 산하 에너지기술평가원, 그리고 KISTI의 지원을 통해 수행됐다.
□ 그림 설명
그림1. 개발된 소재 역설계 모델
2019.10.07 조회수 11842 -
박정영, 정유성 교수, 합금 나노촉매 성능 향상 원리 밝혀
〈 박 정 영 교수, 정 유 성 교수〉
우리 대학 EEWS 대학원 및 화학과 박정영 교수 연구팀이 정유성 교수 연구팀과의 공동 연구를 통해 합금 나노 촉매 표면에 형성된 금속-산화물 계면이 촉매 성능을 향상시키는 중요한 요소임을 밝혔다.
이번 연구결과는 종합 과학 분야 국제 학술지 ‘네이처 커뮤니케이션즈’(Nature Communications) 6월 8일자 온라인 판에 게재됐다.
합금 나노입자는 높은 효율의 촉매 활성도를 가져 석유화학 공정뿐만 아니라 수소 연료 전지, 물 분해 등 친환경 촉매로 주목받고 있다. 합금 나노입자는 화학적 조성에 따라 촉매 표면의 전자 구조 및 결합 에너지를 제어할 수 있어 활용성이 크다.
이런 우수한 특성에도 불구하고 실제 촉매 환경에서는 반응물과 조건에 따라 나노 입자 표면 구조가 쉽게 달라져 합금 나노 촉매의 반응 원리 규명에 어려움이 있었다.
촉매 반응의 원리를 결정하는 핵심 요소는 핫전자이다. 화학반응이 일어날 때 촉매 표면에 순간적으로(펨토초, 1천조분의 1초) 발생하고 사라지지만 촉매 반응의 활성도를 파악할 수 있는 척도와 같다. 촉매 활성도가 증가하면 핫전자 양도 늘어나기 때문이다. 실시간으로 핫전자를 직접 검출할 수 있는 방법이 마땅히 없던 중 2015년 박정영 부연구단장 연구진이 핫전자를 관찰할 수 있는 핫전자 촉매센서를 개발했다. 이후 박 부연구단장은 핫전자 촉매센서를 중심으로 활발한 연구를 통해 다양한 결과를 내고 있다.
이번 연구에서는 백금과 코발트가 합금된 나노입자를 핫전자 촉매센서에 접목하는 방식으로 연구를 설계했다. 백금-코발트 합금 나노입자는 화학산업 및 에너지·환경 분야에 중요한 촉매 구성요소다. 백금-코발트 합금 나노입자처럼 복잡한 구조를 가진 나노 촉매 구조에 핫전자 촉매센서를 적용해 실시간으로 핫전자를 관찰하는 것이 이번 실험의 큰 관건이었다.
먼저 연구진은 여러 비율로 백금과 코발트를 합성해 합금 나노 촉매들을 제작하고 핫전자 촉매센서를 적용했다. 그 결과 75% 백금과 25% 코발트 비율로 합금 나노입자를 합성할 경우, 가장 많은 핫전자가 발생하고 촉매 성능이 높다는 것을 확인했다. 이후 핫전자 발생량과 촉매 성능의 상관관계를 보다 명확히 밝히고자 실시간 투과전자현미경(TEM, Transmission Electron Microscopy)으로 실험 과정을 관찰했다.
수소산화 반응에 합금 나노촉매를 적용하자 한 층의 코발트 산화물이 백금-코발트 합금 나노 입자 표면 위에 형성되면서 금속-산화물(백금-코발트 산화물)계면이 만들어졌다. 금속-산화물 계면에서 전하 이동이 늘어나면서 핫전자 검출 효율이 증가한 것이다. 다시 말해 금속-산화물 계면이 합금 나노 촉매의 활성을 높이는 데 결정적임을 실제로 입증한 것이다.
이번 연구는 실험 뿐 아니라 이론적으로도 계면과 촉매 성능 간 상관관계를 입증했다. 정유성 교수 연구진은 밀도범함수이론(Density Functional Theory) 기반의 양자계산을 통해 백금-코발트 산화물 계면에서 낮은 활성화 에너지로 일어나는 반응 원리를 이론적으로 뒷받침해 핫전자 발생 및 촉매 성능에 대한 근원적인 해석을 제안했다.
정 교수는 “이번 결과는 촉매 연구자들이 금속-산화물 계면의 중요성을 다시 주목하게 되는 계기가 될 것이다”고 말했다.
박 교수는 “이번 연구로 합금 나노촉매의 반응 중 자연스럽게 형성되는 두 물질 사이의 계면이 촉매 반응성과 핫전자의 생성을 증폭시킨다는 점을 규명했다”며 “실제 촉매반응이 일어나는 상압과 고온 환경에서 얻어진 결과를 토대로 향후 고효율의 차세대 촉매물질을 개발하는데 연구 결과를 응용할 수 있다”고 전망했다.
□ 그림 설명
그림1. 나노 촉매계면에서의 핫전자 움직임 실시간 관찰
그림2. 핫전자 촉매센서를 이용한 합금 나노입자에서의 핫전자 움직임 관찰
2018.07.06 조회수 12882 -
변혜령 교수, 빠른 충전 가능한 리튬-산소전지 개발
〈 변 혜 령 교수 〉
우리 대학 화학과 변혜령 교수 연구팀과 EEWS 정유성 교수 연구팀이 높은 충전 속도에서도 약 80%의 전지 효율 성능(round-trip efficiency)을 갖는 리튬-산소 전지를 개발했다.
기존에 개발된 리튬-산소 전지는 충전 속도가 높아지면 전지 효율 성능이 급속히 저하되는 단점이 있었다. 이번 연구에서는 방전 생성물인 리튬과산화물의 형상 및 구조를 조절해 난제였던 충전 과전위를 낮추고 전지 효율 성능을 향상시킬 수 있음을 증명했다.
특히 값비싼 촉매를 사용하지 않고도 높은 성능을 가지는 리튬-산소 전지를 제작할 수 있어 차세대 전지의 실용화에 기여할 것으로 보인다.
이번 연구결과는 네이처 커뮤니케이션즈(Nature Communications) 2월 14일자 온라인 판에 게재됐다.
리튬-산소 전지는 리튬-이온 전지보다 3~5배 높은 에너지 밀도를 가지고 있어 한 번 충전에 장거리 주행을 할 수 있는, 즉 장시간 사용이 요구되는 전기차 및 드론 등의 사용에 적합한 차세대 전지로 주목받고 있다.
하지만 방전 시 생성되는 리튬과산화물이 충전 시 쉽게 분해되지 않기 때문에 과전위가 상승하고 전지의 사이클 성능이 낮은 문제점을 갖고 있다. 리튬과산화물의 낮은 이온 전도성과 전기 전도성이 전기화학적 분해를 느리게 만드는 것이다.
리튬과산화물의 전도성을 향상시키고 리튬-산소 전지의 성능을 높이기 위해 연구팀은 메조 다공성 탄소물질인 CMK-3를 전극으로 사용해 일차원 나노구조체를 갖는 비결정질 리튬과산화물을 생성하는 데 성공했다.
전극을 따라 생성되는 비표면적이 큰 비결정질의 리튬과산화물은 충전 시 빠르게 분해돼 과전위의 상승을 막고 충전 속도를 향상시킬 수 있다. 이는 기존의 결정성을 갖는 벌크(bulk) 리튬과산화물과 달리 높은 전도성을 갖기 때문이다.
이번 결과는 촉매나 첨가제의 사용 없이도 리튬과산화물의 크기 및 구조를 제어해 리튬-산소 전지의 근본적 문제를 해결할 수 있는 방법을 제시했다는 의의를 갖는다.
변혜령 교수는 “리튬과산화물의 형상, 구조 및 크기를 제어해 전기화학 특성을 변화시킬 수 있음을 증명함으로써 리튬-산소 전지뿐만이 아닌 다른 차세대 전지의 공통된 난제를 해결할 수 있는 실마리를 찾았다”고 말했다.
이론 해석을 제공한 정유성 교수는 “이번 연구 결과로 기존에 절연체로 여겨진 리튬과산화물이 빠르게 분해될 수 있는 반응 원리를 이해할 수 있었다”고 말했다.
이번 연구는 한국연구재단의 지원을 받아 수행됐으며 일본의 리츠메이칸(Ritsumeikan) 대학 가속기 센터와 공동연구로 진행됐다.
□ 그림 설명
그림1. 리튬과산화물 도식 및 투과전자현미경 사진
그림2. 충전 속도 특성 비교
그림3. DFT 계산을 통한 (a) 결정질 및 (b) 비결정질 리튬과산화물의 충방전 에너지 다이어그램
2018.03.29 조회수 19270 -
정유성 교수, 아태이론및계산화학회 포플 메달 수상
〈 정 유 성 교수 〉
우리 대학 EEWS대학원 정유성 교수가 아태이론 및 계산화학회(APATCC)가 수여하는 2018년도 ‘포플 메달(Pople Medal)’을 수상했다.
포플 메달은 양자역학 이론을 분자화학에 적용하기 위한 계산방법론을 개발한 공으로 1998년 노벨화학상을 수상한 존 포플 교수(John A. Pople)를 기념해 2007년 처음 제정됐다.
이 상은 매년 아시아-태평양 지역에서 연구업적이 우수한 만 45세 이하의 젊은 이론계산화학자 1인에게 주어진다.
정 교수는 기존의 양자화학 계산 정확도와 속도를 향상시키는 알고리즘들을 개발하고 이를 에너지 소재 개발에 응용해 관련 분야 발전에 기여한 공을 인정받았다. 지금까지 120편 이상의 논문을 전문 학술지에 발표했고 8천 회 이상의 피인용 횟수와 44의 H-지수를 기록 중이다.
정 교수는 “계산화학 분야의 권위 있는 포플 메달을 수상해 큰 영광이다”며 “앞으로는 양자화학과 인공지능 기술을 융합한 계산 방법론의 개발과 이를 에너지 소재 개발에 활용하는 연구로 분야에 기여하고 싶다” 고 말했다.
2018.01.10 조회수 11322 -
중대형 이차전지 전극 재료 개발
우리 학교 EEWS 대학원 윌리엄 고다드(William Goddard III) 교수, 정유성 교수, 최장욱 교수 공동연구팀은 고전압에서 구동하고 1000사이클 이상 안정하게 충방전이 가능한 새로운 나트륨 이차전지의 양극을 개발해 미국한림회보 (PNAS) 2013년 12월 30일자 온라인판에 게재됐다.
나트륨 이차전지는 현재 흔하게 쓰이고 있는 리튬이차전지의 차세대 개념으로서 원재료의 가격이 30~40배 가량 낮아, 스마트 그리드용 에너지 저장 수단으로 관심을 받고 있다.
그러나 현재까지 대부분의 나트륨 전지용 전극 재료는 리튬 이온에 비해 큰 나트륨 이온의 특징으로 인해 충방전 거동이 불안정하고, 전압이 명확하게 나타나지 않는 문제를 극복하지 못했다.
이번 연구에서 공동연구팀은 이러한 한계를 뛰어넘은 바나듐 기반의 전극을 개발했다.
특히, 이번 연구에서는 전극 재료를 디자인하고, 전기화학적 특성을 이해하는데 이론 연구가 결정적 역할을 하여, 차세대 이차전지 연구에 이론 연구의 중요성을 보여주는 선례로 자리잡을 것으로 기대된다.
이는 또한 전세계적으로 진행되고 있는 "소재 지놈 이니셔티브(materials genome initiative)"와 같이 이론 연구가 다양한 분야의 재료 발굴에 핵심적 기능을 할 수 있음을 증명하는 것이어서, 재료 연구에서의 확대되고 있는 이론 연구의 역할을 반영한다.
연구팀은 나트륨 이차전지 분야가 아직은 초기단계에 있지만, 이론과 실험을 접목한 연구를 지속하여 해당 분야의 성숙도를 높이는 것이 후속 연구의 목표라고 밝혔다
2014.01.03 조회수 15996 -
정유성 교수, KCS-Wiley 젊은 화학자상 수상
우리학교 EEWS 대학원 정유성 교수가 2013년 대한화학회(KCS)에서 수여하는 ‘KCS-Wiley 젊은 화학자상’에 선정됐다.
KCS-Wiley 젊은 화학자상은 대한 화학회와 Wiley 출판사가 공동으로 재정해 매년 40세 이하의 젊은 화학자 가운데 화학 분야에서 연구업적이 탁월하며 학문적 창의성과 잠재력이 뛰어난 학자에게 주는 권위있는 상이다.
정 교수는 빠르고 정확한 양자화학계산 방법론 개발과 이를 이용한 에너지 재료설계 분야에 두각을 나타낸 성과를 인정받았다. 정유성 교수의 수상소식은 Wiley의 대표적인 화학분야 학술지인 앙케반떼 케미(Angewandte Chemie) 11월호에 뉴스에 소개될 예정이다.
2013.10.16 조회수 13268 -
정유성 교수, 기초과학이 강한 나라가 과학 강국 YTN 캠페인 참여
정유성 EEWS 대학원 교수가
YTN 2013년 3월 4일(월)자 캠페인에 참여해 방영됐다.
제목: 기초과학이 강한 나라가 과학 강국
매체: YTN
저자: 정유성 EEWS 대학원 교수
일시: 2013년 3월 4일(월)
기사보기 : 기초과학이 강한 나라가 과학 강국
2013.03.08 조회수 9231