KAIST·서울대, 머신러닝 기반 원자 배열 예측 기술 개발… 고온 열처리 한계 극복 가능성 제시
기후 위기 시대, 수소연료전지는 친환경 모빌리티의 핵심 기술로 주목받고 있지만, 높은 비용과 제한적인 내구성은 여전히 해결 과제로 남아 있다. 특히 전기 생산에 핵심적인 역할을 하는 백금 촉매는 반응 속도와 장기 안정성, 제조 비용 측면에서 개선 필요성이 지속적으로 제기돼 왔다.
KAIST(총장 이광형)는 신소재공학과 조은애 교수 연구팀이 서울대학교(총장 유홍림) 화학생물공학부 이원보 교수 연구팀과 공동으로 인공지능(AI)을 활용해 촉매의 ‘원자 배열 경향’을 정밀 예측하는 기술을 개발했다고 2월 26일 밝혔다.
기존 백금-코발트(Pt-Co) 합금 촉매는 높은 활성에도 불구하고, 원자들이 규칙적으로 배열된 금속간화합물(L1?) 구조를 형성하기 위해 고온 열처리가 필요했다. 이 과정에서 입자 응집이나 구조 불안정 문제가 발생해 실제 연료전지 적용에 제약이 있었다.
연구팀은 머신러닝 기반 양자화학 시뮬레이션을 활용해 촉매 내부 원자의 이동과 배열 과정을 정밀 분석했다. 그 결과, 아연(Zn)이 백금-코발트 합금 내에서 원자 배열을 촉진하는 매개 원소로 작용한다는 사실을 확인했다.
아연을 도입하면 원자들이 제자리를 더욱 쉽게 찾아, 보다 정교하고 안정적인 구조가 형성되는 원리다. 즉, AI가 ‘원자 배열이 만들어지는 최적의 경로’를 먼저 찾아낸 셈이다.
AI 예측을 바탕으로 실제 합성한 아연-백금-코발트 촉매는 기존 백금 촉매 대비 더 높은 활성과 뛰어난 장기 내구성을 동시에 확보했다. 이는 인공지능이 계산한 ‘가상의 설계도’가 실제 실험실에서 고성능 촉매로 구현될 수 있음을 입증한 사례다고 KAIST 측은 설명했다.
이번 기술은 수소 승용차, 장거리 운행이 필요한 수소 트럭, 수소 선박, 에너지 저장 시스템(ESS) 등 탄소중립 핵심 산업 전반에서 촉매 수명 연장과 제조 비용 절감에 기여할 것으로 기대된다.
조은애 교수는 “이번 연구는 머신러닝을 활용해 촉매의 원자 배열 경향을 사전에 예측하고 이를 실제 합성으로 구현한 사례”라며, “AI 기반 소재 설계가 차세대 연료전지 촉매 개발의 새로운 패러다임이 될 것”이라고 밝혔다.
이번 연구에는 KAIST 신소재공학과 장현우 박사과정과 서울대학교 화학생물공학부 류재현 박사가 공동 제1저자로 참여했다. 연구 결과는 에너지 소재 분야의 세계적 학술지 ‘어드밴스드 에너지 머티리얼즈(Advanced Energy Materials)’에 2026년 1월 15일 자로 게재됐다.
<저작권자(c)스마트앤컴퍼니. 무단전재-재배포금지>
