< (왼쪽부터) 화학과 이근중 박사과정, 박건형 박사과정, 윤동기 교수 >
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-organic framework), 퀀텀닷(quantum dot) 등과 같은 다양한 기능성 나노 입자 도입을 통해 유-무기 복합체(organic-inorganic composite)를 제작하는 것에 집중했다.
연구팀은 매트릭스의 기공에서 나노 입자들을 직접 성장시키거나 이미 제작된 나노 입자들을 도입하는 서로 다른 전략을 개발했다. 이를 통해 도입하고자 하는 기능성 나노 입자의 선택성을 넓혀 범용적인 복합체 제작이 가능하다는 것을 보였다. (그림 1)
< (그림 1) 다공성 액정 고분자 제작 및 다양한 기능성 나노 입자 도입을 통한 복합체 제작 >
연구팀은 또한 두 가지 이상의 나노 입자들을 도입하는 전략을 제시해 다기능성 복합체 제작이 가능하다는 것을 보였다. 기존의 다공성 고분자 기반의 복합체 제작 연구의 경우 하나의 기능성 입자를 도입하고자 하는 것에 초점이 맞추어져 있고, 두 가지 이상의 기능성 도입을 위한 자세한 연구는 부족하다. 연구팀이 이번 연구에서 제안한 다기능성 복합체의 경우 서로 다른 나노 입자들의 기능성을 동시에 가질 수 있어, 기존 기능성 입자들의 활용 범위를 더욱 넓힐 수 있다는 것을 보였다.
< (그림 2) 다공성 액정 고분자 제작 과정 및 액정 분자의 배향에 따라 형성된 서로 다른 형태의 다공성 구조체 >
화학과 윤동기 교수는 “이 기술은 기존에 알려진 대표적인 무기 입자들을 액정 고분자를 통해 한 번에 제조, 포함할 수 있는 `올인원 솔루션'으로 오염물질 제거, 안정된 디스플레이 소자 개발, 차세대 통신용 인쇄 회로 기판 제조 등에 다기능성을 부여할 수 있다는 점에서 획기적인 기술이라고 할 수 있다”고 언급했다.
< (그림 3) 금속유기골격체 및 자성 나노 입자 도입을 통해 다기능성 복합체 제작 및 기름 흡착 소재로의 활용 >
이번 연구는 국제 학술지 어드밴스드 머터리얼즈(Advanced Materials)에 “Universal Strategy for Inorganic Nanoparticle Incorporation into Mesoporous Liquid Crystal Polymer Particles”의 이름으로 지난 11월 22일 자에 게재됐다.
이근중†, 박건형†, 박계현, 박영서, 이창재, 윤동기* : 공동 제1 저자, * 교신저자.
한편 이번 연구는 과학기술정보통신부-한국연구재단의 지원을 받은 중견연구자 지원사업, 함께달리기사업의 지원을 받아 수행됐다.
< (그림 4) 양자점 및 자성 나노 입자 도입을 통해 다기능성 복합체 제작. 해당 복합체의 형광 발현 및 자기장에 의한 움직임 확인 >
-
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 -
인물 윤동기 교수, 국제액정학회 중견학술상 수상
우리 대학 화학과 윤동기 교수가 국제액정학회(ILCS (The International Liquid Crystal Society))가 수여하는 ILCS 중견학술상(Mid-Career Award(LG))을 받았다고 26일 밝혔다. 시상식은 7월 24일 브라질 리우데자네이루에서 열린 29회 국제액정학회(29th International Liquid Crystal Conference)에서 개최됐다. 2008년 국제액정학회가 제정한 ‘ILCS 중견학술상(Mid-Career Award)’은 액정분야에서 최초 발견이나 커다란 연구 성과를 낸 중견 과학자를 대상으로 2년마다 단 한 명에게만 수여하는 상이다. 윤동기 교수처럼 2012년 동 학회에서 젊은 과학자에게 수여하는 미치 나카타 상(Michi Nakata Prize)에 이어 ILCS 중견학술상(Mid-Career Award)을 동시에 받은 사례는 전 세계적으로도 윤 교수가 처음이다. 윤동기 교수는 평판 디
2024-07-26 -
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