< 사진 1.(왼쪽부터) 한국지질자원연구원 정인철 박사, KAIST 오세은 박사과정, 이강택 교수 >
그린수소 또는 배터리 분야 등 청정 에너지의 성능을 높이는데 가장 큰 영향을 미치는 소재 중 하나는 전극이다. 한국 연구진이 차세대 전극 및 촉매로 활용될 수 있는 신소재를 효율적으로 설계하는 인공지능 기술을 개발했다. 이 기술을 통해 친환경 에너지 사회를 촉진하는데 중요한 역할을 할 것으로 기대된다.
우리 대학 기계공학과 이강택 교수 연구팀의 주도로 한국에너지기술연구원 (원장 이창근), 한국지질자원연구원 (원장 이평구), KAIST 신소재공학과 공동 연구팀들과 함께, 인공지능(AI)과 계산화학을 결합해 그린수소 및 배터리에 활용될 수 있는 스피넬 산화물 신소재를 설계하고, 성능과 안정성을 예측할 수 있는 새로운 지표를 개발하는 데 성공했다고 21일 밝혔다.
스피넬 산화물(AB2O4)은 그린수소 또는 배터리 분야의 차세대 촉매 및 전극 물질로 활용되어 산소 환원 반응(ORR)과 산소 발생 반응(OER)의 속도를 향상시킬 수 있는 잠재력이 높은 물질이다. 하지만, 수천 개 이상의 후보군을 일일이 실험으로 성능을 확인하기 위해서는 많은 시간과 노력이 소요된다.
연구팀은 이를 해결하기 위해 AI와 계산화학을 동시에 사용해 1,240개의 스피넬 산화물 후보 물질을 체계적으로 선별하고, 그중 기존 촉매보다 뛰어난 성능을 보일 촉매 물질들을 찾는 데 성공했다.
< 그림 1. Advanced Energy Materials 표지 >
그뿐만 아니라, 연구팀은 이번 연구를 통해서 전공 서적에서 손쉽게 찾아볼 수 있는 원자들의 전기음성도를 바탕으로 스피넬 촉매의 안정성과 성능을 예측할 수 있는 지표를 개발했다.
이로써 기존의 실험 방식에 비해 촉매 설계 과정을 훨씬 더 빠르고 효율적으로 진행할 수 있게 되었다. 또한, 연구팀은 스피넬 산화물에서 산소 이온이 움직일 수 있는 3차원 확산 경로를 발견해, 촉매의 성능을 더욱 향상할 수 있는 메커니즘을 처음으로 규명했다.
< 그림 2. AI 및 계산화학 기반 스피넬 신소재 촉매 스크리닝 프레임워크 >
이강택 교수는 “이번 연구는 인공지능을 통해 신소재의 성능을 빠르고 정확하게 예측할 수 있는 새로운 방법을 제시했다”며, “특히, 이를 통해 그린수소와 배터리 분야에 활용될 수 있는 촉매 및 전극의 개발을 가속화해, 고성능의 친환경 에너지 기술의 발전에 기여할 것”이라고 전했다.
연구팀이 제시한 예측 방법은 기존 실험 방식에 비해 신소재 개발의 효율성을 70배 이상 크게 높였으며, 이러한 성과가 차세대 에너지 변환 및 저장 장치를 위한 소재 개발 연구에 핵심 기술로 자리 잡을 가능성을 높게 보고 있다.
한국에너지기술연구원 이찬우 박사가 공동 교신 저자로 참여하였으며, 한국지질자원연구원 정인철 박사, KAIST 신소재공학과 심윤수 박사가 공동 제1 저자로 참여하고, KAIST 신소재공학과 육종민 교수, 한국지질자원연구원 노기민 박사가 공동 저자로 참여한 이번 연구 결과는 세계적인 학술지‘어드밴스드 에너지 머터리얼즈, Advanced Energy Materials (IF:24.4)’에 중요한 연구 결과임을 인정받아 표지(Inside Front cover) 에 선정됐으며, 24년 10월 21일에 게재됐다. (논문명: A Machine Learning-Enhanced Framework for the Accelerated Development of Spinel Oxide Electrocatalysts)
< 그림 3. 양이온 전기음성도 지표에 따른 스피넬 산화물의 안정성, 촉매 활성도 및 전기화학적 메커니즘 상관관계 >
한편, 이번 연구는 과학기술정보통신부의 개인기초 연구사업, 집단기초연구사업, 그리고 국가과학기술연구회 창의형 융합연구사업의 지원을 받아 수행됐다.
-
연구 KAIST 설명가능 인공지능연구센터, 플러그앤플레이 방식의 설명가능 인공지능 프레임워크 공개
KAIST 설명가능 인공지능연구센터(센터장 최재식 교수)는 별도의 복잡한 설정이나 전문 지식 없이도 손쉽게 AI모델에 대한 설명성을 제공할 수 있는 플러그앤플레이(Plug-and-Play) 방식의 설명가능 인공지능 프레임워크를 개발해, 이를 27일 오픈소스로 공개했다. 설명가능 인공지능(Explainable AI, 이하 XAI)이란 AI 시스템의 결과에 영향을 미치는 주요 요소를 사람이 이해할 수 있는 형태로 설명해주는 제반 기술을 말한다. 최근 딥러닝 모델과 같이 내부 의사 결정 프로세스가 불투명한 블랙박스 AI 모델에 대한 의존도가 커지면서 설명가능 인공지능 분야에 대한 관심과 연구가 증가했다. 그러나 지금까지는 연구자와 기업 실무자들이 설명가능 인공지능 기술을 활용하는 것이 몇 가지 이유로 쉽지 않았다. 우선, 딥러닝 모델의 유형별로 적용 가능한 설명 알고리즘들이 서로 달라서 해당 모델에 적용할 수 있는 설명 알고리즘이 무엇인지 알기 위해서는 XAI에 대해 어느 정도 사
2024-12-27 -
연구 도심 항공 모빌리티는 리튬황전지로 세대교체 가능
전기자동차 시장의 성장에 이어, 항공 교통을 연결하는 도심 항공 모빌리티(Urban Air Mobility, UAM) 시장이 배터리 산업의 새로운 전환점으로 주목받고 있다. 항공 모빌리티를 위한 에너지원으로는 쓰이는 기존 상용 리튬이온전지는 무게당 에너지밀도가 낮은 한계점이 있어 대학과 기업 공동연구진이 이를 극복할 차세대 기술로 활용될 혁신적인 리튬황전지를 개발해서 화제다. 우리 대학 생명화학공학과 김희탁 교수팀이 LG에너지솔루션 공동연구팀과 협력 연구를 통해 배터리의 안정적 사용을 위해 전해액 사용량이 줄어든 환경에서 리튬황전지 성능 저하 원인을 규명하고, 이를 바탕으로 성능을 혁신적으로 개선할 수 있는 기술을 개발했다고 23일 밝혔다. 중국 CATL社는 2023년 ‘응축 배터리(Condensed battery)’기술을 발표하며 항공용 배터리 시장을 준비하고 있음을 밝힌 바 있다. 이와 같은 흐름 속에서, 기존 리튬이온전지를 뛰어넘는 차세대 기술로
2024-12-23 -
행사 美케이던스社, 80억 상당 AI반도체 장비 우리 대학에 기증
“케이던스 사의 통 큰 기부에 감사드리며, 대한민국 AI 인재 100만 명 양성이라는 원대한 목표 달성과 세상을 혁신할 반도체 연구 실현에 앞장서겠습니다”(이광형 총장) 우리 대학은 미국 소프트웨어 기업인 케이던스 디자인 시스템즈 코리아(Cadence Design Systems, 이하 케이던스)가 반도체 설계 특화 장비인 ‘케이던스 팔라디움 제트원(Cadence Palladium Z1)’*을 우리 대학에 기증한다고 밝혔다. *팔라디움 제트원: 반도체 설계 검증을 위한 초고성능 에뮬레이터 장비로, 하드웨어-소프트웨어 검증 및 디버깅 작업을 1개의 랙 당 5.76억 게이트까지 대용량으로 구현 가능함. 동 장비를 통해 SoC(System On Chip) 개발 단계에서 설계 검증을 더 원활히 수행할 수 있음. 케이던스는 1995년 반도체설계교육센터(IDEC) 설립 이후 우리 대학에 EDA(Electronic Design Automati
2024-12-17 -
행사 KAIST 설명가능 인공지능연구센터, 2024 XAI 튜토리얼 시리즈 성황리 종료
국내 최대의 설명가능 인공지능(XAI) 연구조직인 KAIST 설명가능 인공지능연구센터(센터장 KAIST 최재식 교수)는 11월 5일부터 22일까지 7회에 걸쳐 설명가능 인공지능 튜토리얼 시리즈를 성공적으로 개최했다. 이번 튜토리얼에는 학생, 연구자, 기업 실무자 등 누적인원 총 530여 명이 참여하여 설명가능 인공지능 기술에 대한 높은 관심과 수요를 보여주었다. 행사는 XAI의 주요 알고리즘부터 최신 연구 주제까지, 총 16개 세션 발표로 진행되었다. 개회 강연으로 ‘설명가능 인공지능 최신 연구 동향’에 대해 최재식 교수가 발표하였고, 이어서 KAIST 설명가능 인공지능연구센터 소속 석·박사 과정 연구원들이 △주요 XAI 알고리즘 △XAI 알고리즘의 평가기법 △거대 언어모델(LLM), 이미지 생성모델, 시계열 데이터에 대한 설명성 △ XAI Framework, 의료 도메인 적용 사례를 주제로 발표했다. 튜토리얼 마지막날에는 독일 Fraunho
2024-11-29 -
연구 바이오 경로 이미지 분석하는 AI 최초 개발
유전자, 단백질, 대사물질 등 복잡한 정보를 표현하는 바이오 경로 이미지는 중요한 연구 결과를 내포하고 있지만, 이미지 기반 정보 추출에 대해 그동안 충분한 연구가 이뤄지지 않았다. 이에 우리 연구진은 바이오 경로 정보를 자동으로 추출할 수 있는 인공지능 프레임워크를 개발했다. 우리 대학 생명화학공학과 김현욱 교수 연구팀이 바이오 경로 이미지에서 유전자와 대사물질 정보를 자동으로 추출하는 기계학습 기반의 ‘바이오 경로 정보 추출 프레임워크(이하 EBPI, Extraction of Biological Pathway Information)’를 개발했다고 28일 밝혔다. 연구팀이 개발한 EBPI는 문헌에서 추출한 이미지 속의 화살표와 텍스트를 인식하고, 이를 기반으로 바이오 경로를 편집 가능한 표의 형태로 재구성한다. 객체 감지 모델 등의 기계학습을 사용해 경로 이미지 내 화살표의 위치와 방향을 감지하고, 이미지 속 텍스트를 유전자, 단백질, 대사물질로 분
2024-11-28