본문 바로가기 대메뉴 바로가기
닫기

이산화탄소만 잡아내는 유망 소재를 AI로 쉽게 찾는다​
조회수 : 140 등록일 : 2025-06-30 작성자 : 홍보실

(왼쪽부터) 생명화학공학과 김지한 교수, 임윤성 박사과정, 박현수 박사

< (왼쪽부터) 생명화학공학과 김지한 교수, 임윤성 박사과정, 박현수 박사 >

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 고성능 소재를 찾는 데 큰 제약을 극복하기 위해, 연구팀은 MOF와 이산화탄소(CO2), 물(H2O) 사이의 상호작용을 정밀하게 예측할 수 있는 기계학습(머신러닝) 기반 역장(Machine Learning Force Field, MLFF)을 개발하고, 이를 통해 양자역학 수준의 예측 정확도를 유지하면서도 기존보다 월등히 빠른 속도로 MOF 소재들의 흡착 물성을 계산할 수 있도록 했다.

그림 1. 직접공기포집(Direct Air Capture, DAC) 기술과 금속-유기 구조체(Metal-Organic Frameworks, MOF)의 탄소 포집 개념도. MOF는 대기 중 이산화탄소를 포집할 수 있는 유망한 다공성 소재로, DAC 기술의 핵심 소재로 주목받고 있다.

< 그림 1. 직접공기포집(Direct Air Capture, DAC) 기술과 금속-유기 구조체(Metal-Organic Frameworks, MOF)의 탄소 포집 개념도. MOF는 대기 중 이산화탄소를 포집할 수 있는 유망한 다공성 소재로, DAC 기술의 핵심 소재로 주목받고 있다. >

연구팀은 개발된 시스템을 활용해 8,000여 개의 실험적으로 합성된 MOF 구조를 대규모 스크리닝한 결과, 100개 이상의 유망한 탄소 포집 후보 소재를 발굴했다. 특히 기존의 고전 역장 기반 시뮬레이션으로는 확인되지 않았던 새로운 후보 소재들을 제시했으며, MOF의 화학 구조와 흡착 성능 간의 상관관계를 분석해 DAC용 소재 설계에 유용한 7가지 핵심 화학적 특징도 함께 제안했다. 

이번 연구는 MOF–CO2 및 MOF-H2O 간 상호작용을 정밀하게 예측함으로써, DAC 분야의 소재 설계 및 시뮬레이션 기술을 크게 향상한 사례로 평가된다.

그림 2. 머신러닝 기반 역장(Machine Learning Force Field, MLFF)을 활용한 흡착 시뮬레이션 개념도. 개발된 MLFF는 다양한 MOF 구조에 적용 가능하며, 반복적인 위돔 삽입 시뮬레이션 과정에서 상호작용 에너지를 예측하여 흡착 물성을 정밀하게 계산할 수 있게 한다. 기존 고전 역장 대비 높은 정확도와 낮은 계산 비용을 동시에 달성하는 것이 특징이다.

< 그림 2. 머신러닝 기반 역장(Machine Learning Force Field, MLFF)을 활용한 흡착 시뮬레이션 개념도. 개발된 MLFF는 다양한 MOF 구조에 적용 가능하며, 반복적인 위돔 삽입 시뮬레이션 과정에서 상호작용 에너지를 예측하여 흡착 물성을 정밀하게 계산할 수 있게 한다. 기존 고전 역장 대비 높은 정확도와 낮은 계산 비용을 동시에 달성하는 것이 특징이다. >

우리 대학 생명화학공학과 임윤성 박사과정과 박현수 박사가 공동 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `매터 (Matter)'에 지난 6월 12일 게재됐다.

※논문명: Accelerating CO2 direct air capture screening for metal-organic frameworks with a transferable machine learning force field

※DOI: 10.1016/j.matt.2025.102203 

한편, 이번 연구는 Saudi Aramco-KAIST CO2 Management Center와 과학기술정보통신부의 글로벌 C.L.E.A.N. 사업의 지원을 받아 수행됐다.

이산화탄소직접공기포집DAC금속유기구조체MOF인공지능머신러닝Matter 김지한 공과대학 신소재공학과
목록
관련뉴스