〈 정우철 교수(오른쪽)와 연구진 〉
우리 대학 신소재공학과 정우철 교수 연구팀이 서울시립대학교 한정우 교수와의 공동 연구를 통해 소량의 금속으로 연료전지의 수명을 향상시킬 수 있는 새로운 전극소재 기술을 개발했다.
구본재 박사과정과 서울시립대 권형욱 박사과정이 공동 1저자로 참여한 이번 연구는 에너지, 환경 분야 국제 학술지 ‘에너지&인바이러멘탈 사이언스(Energy&Environmental Science)’ 2018년도 1호 표지논문에 선정됐다.
연료전지는 친환경이면서 신재생에너지원으로 주목받고 있는 에너지변환기술이다. 특히 세라믹 소재로 구성된 고체산화물 연료전지는 수소 이외에도 바이오매스, LNG, LPG 등 다양한 종류의 연료를 직접 전기에너지로 바꿀 수 있는 장점을 갖는다. 이를 통해 발전소, 전기자동차, 가정용 예비전원 등 분야에 폭넓게 사용될 것으로 전망되고 있다.
고체산화물 연료전지의 성능을 좌우하는 핵심 요소는 산소의 환원 반응이 일어나는 공기극으로 현재 페로브스카이트(ABO3) 구조의 산화물들이 주로 사용된다.
그러나 페로브스카이트 산화물들은 작동 초기 성능이 뛰어나지만 시간이 지날수록 성능이 저하돼 장기간 사용이 어렵다는 한계를 갖는다.
특히 공기극의 작동 조건인 고온 산화 상태에서 산화물 표면에 스트론튬(Sr) 등의 2차상이 축적되는 표면 편석 현상이 발생함으로써 전극의 성능을 낮추는 것으로 알려졌다. 아직까지 이러한 현상의 구체적인 원리와 이를 억제할 수 있는 효과적인 해결책이 나오지 않았다.
정 교수 연구팀은 페로브스카이트 산화물이 변형될 때 면 내 압축 변형이 일어나 스트론튬의 편석을 발생시키는 것을 계산화학적 및 실험적 결과를 통해 확인했다.
연구팀은 페로브스카이트 산화물 내부의 부분적인 변형 분포가 스트론튬 표면 편석의 주요 원인임을 규명했다.
이를 바탕으로 정 교수 연구팀은 크기가 다른 금속을 산화물 내에 장착함으로써 공기극 소재 내부의 격자변형 정도를 제어하고 스트론튬 편석을 효과적으로 억제하는데 성공했다.
정 교수는 “이 기술은 추가적인 공정 없이 소재를 합성하는 과정에서 소량의 금속입자를 넣는 것만으로 구현된다”며 “향후 고내구성 페로브스카이트 산화물 전극을 개발하는 데 유용하게 활용될 것으로 기대된다”고 말했다.
이 연구는 삼성전자 미래기술육성센터의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 본 연구의 Energy & Environmental Science 논문지의 커버 이미지
그림2. 전극의 격자변형 정도와 Sr 편석, 전극반응의 상관관계
그림3. 개발한 기술을 적용하여 안정화된 고체산화물 연료전지 공기극의 표면
-
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 물로 차세대 리튬금속전지 750% 수명 연장시켜
리튬금속은 기존 상용 배터리의 성능 한계를 극복할 수 있는 차세대 음극으로 주목받아 왔다. 하지만, 리튬금속 자체 문제로 배터리의 수명을 단축하고 화재 위험을 초래하는 문제를 보여왔다. KAIST 연구진이 물만을 사용해서 기존 리튬금속 음극보다 수명이 약 750% 향상시키는 세계 최고 수준의 연구에 성공했다. 우리 대학 신소재공학과 김일두 교수 연구진이 아주대 이지영 교수와 협력하여 친환경 공법으로 제조한 중공 나노섬유를 리튬금속보호막으로 사용해, 리튬의 성장을 안정화하고 차세대 ‘리튬금속전지’의 수명을 획기적으로 늘리는 데 성공했다고 2일 밝혔다. 리튬 금속 표면에 보호막을 적용해 리튬금속과 전해액간의 계면을 인공적으로 조성하는 기존의 보호막 기술은 인체에 유해한 공정과 원가가 높은 재료를 필요로 하며 리튬금속음극의 수명을 높이는 데 한계가 있어왔다. 김일두 교수 연구진은 이 문제를 해결하기 위해 ‘리튬이온 성장을 물리적·
2024-12-02 -
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