- 수 년 걸리던 3200여개 촉매 후보소재 성능 하루 만에 탐색 완료 - 백금(Pt) 촉매보다 값싸고 효율적인 삼원소계 합금(Cu-Au-Pt) 신촉매 개발 수소차에 사용되는 양성자 교환막 수소연료전지(PEMFC)는 양극에서 산소 환원 반응이 잘 일어나도록 값비싼 백금 촉매를 사용한다. 백금보다 더 효율적이고, 경제적인 촉매 소재를 개발하기 위해서 탐색해야 하는 원소의 조합과 조성이 방대해 이 순간에도 연구자들은 실험실에서 수많은 시행착오를 거치고 있다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 김동훈 박사, 한상수 박사와 물질구조제어연구센터 김종민 박사, 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 새로운 인공지능 기반 촉매 선별 방법론을 제시하고, 이를 통해 순수 백금 촉매보다 더 값싸고, 2배 이상 높은 성능의 삼원소계 합금(Cu-Au-Pt) 신규 촉매 소재 개발에 성공했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 SGCNN(촉매구조 그래프 합성곱 신경망) 인공지능 모델을 개발했다. 소재 탐색에 인공지능을 적용한 사례가 처음은 아니다. SGCNN 모델은 고체 소재의 벌크(bulk) 물성 예측에 특화된 CGCNN(결정 그래프 합성곱 신경망) 모델을 촉매 소재의 표면 물성 예측이 가능하도록 발전시킨 것이다. 그런데 벌크 물성과 표면 물성을 예측하는 것의 차이는 크다. 촉매의 표면 물성을 빠르고 정확히 예측할 수 있으면 이를 바탕으로 소재의 안정성, 성능, 비용의 3요소를 모두 충족하는 촉매를 더욱 효율적으로 선별할 수 있다. 실제로 해당 방법론으로 연료전지 양극반응 촉매를 개발했을 때 약 3,200개의 삼원소계 후보 소재들의 가능성을 단 하루 만에 탐색할 수 있었는데. 이것은 기존에 촉매 물성 예측에 사용되던 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산법으로는 수년이 소요되던 규모다. 연구진은 약 3,200개의 후보 소재 가운데 백금 촉매를 능가할 가능성이 있는 10개의 촉매에 대한 실험검증을 통해 삼원소계(Cu-Au-Pt) 신규 합금촉매를 개발했다. 이 촉매는 순수 백금촉매 대비 백금 원소를 37%만 사용하지만, 반응전류밀도(kinetic current density)는 순수 백금 촉매보다 2배 이상 높게 나오는 고성능을 보였다. 또한 해당 촉매는 안정성 테스트를 5,000회 거친 후에도 성능 열화가 거의 일어나지 않는 훌륭한 내구성을 보였다. KIST 김동훈 박사는 “향후 양질의 흡착에너지 데이터를 지속해서 구축해 더욱 정교한 인공지능 모델링을 수행할 계획이며, 이는 촉매 소재 개발의 성공률을 더욱 향상시킬 것”이라고 기대했다. 이번에 개발된 방법론은 수소 연료전지용 촉매뿐만 아니라 수소경제 실현에 필수적인 수전해 기반 수소 생산과 같은 다양한 촉매 반응에도 즉각 적용할 수 있다는 장점을 갖고 있다. 연구팀은 소재 및 시스템 최적화를 통해 개발된 촉매의 단가를 더 낮추고, 성능을 향상시킬 계획이다. 이번 연구성과는 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03) 및 과학기술정보통신부(장관 이종호)의 소재연구데이터플랫폼사업 지원으로 수행되었으며, 한국에너지기술연구원 박영태 박사후 연구원과 한국과학기술연구원 물질구조제어연구센터 황창규 연수생 (고려대학교 박사과정 학생)이 공동 제1저자로 참여하여 국제 학술지 「Applied Catalysis B: Environmental」에 7월 24일 온라인 개재되었다. [그림 1] 인공지능 기반 수소연료전지 촉매 설계 연구의 요약 도식도 [그림 2] 인공지능 모델 개발을 위해 사용된 KIST 계산과학연구센터 서버팜(server farm) 및 고성능 GPU 기반 슈퍼컴퓨팅 자원 [그림 3] 인공지능 모델링 기반의 고기능성 촉매 선별 방법론 [그림 4] 머신러닝을 통해 예측한 삼원계 합금촉매(Cu3Au@Pt)의 구현을 위한 스퍼터링, 아크플라즈마 박막 증착 공정 및 산소환원반응 특성 결과 ○ 논문명: Machine learning filters out efficient electrocatalysts in the massive ternary alloy space for fuel cells ○ 학술지: Applied Catalysis B: Environmental ○ 게재일: 2023.07.24. ○ DOI: https://doi.org/10.1016/j.apcatb.2023.123128 ○ 논문저자 - 박영태 박사후연구원(제1저자/KAIST 신소재공학과) - 황창규 박사과정 학생연구원(제1저자/KIST 물질구조제어연구센터) - 김종민 선임연구원(교신저자/KIST 물질구조제어연구센터) - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터) - 한상수 책임연구원(교신저자/KIST 계산과학연구센터) - 이혁모 교수(교신저자/KAIST 신소재공학과)

- 수 년 걸리던 3200여개 촉매 후보소재 성능 하루 만에 탐색 완료 - 백금(Pt) 촉매보다 값싸고 효율적인 삼원소계 합금(Cu-Au-Pt) 신촉매 개발 수소차에 사용되는 양성자 교환막 수소연료전지(PEMFC)는 양극에서 산소 환원 반응이 잘 일어나도록 값비싼 백금 촉매를 사용한다. 백금보다 더 효율적이고, 경제적인 촉매 소재를 개발하기 위해서 탐색해야 하는 원소의 조합과 조성이 방대해 이 순간에도 연구자들은 실험실에서 수많은 시행착오를 거치고 있다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 김동훈 박사, 한상수 박사와 물질구조제어연구센터 김종민 박사, 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 새로운 인공지능 기반 촉매 선별 방법론을 제시하고, 이를 통해 순수 백금 촉매보다 더 값싸고, 2배 이상 높은 성능의 삼원소계 합금(Cu-Au-Pt) 신규 촉매 소재 개발에 성공했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 SGCNN(촉매구조 그래프 합성곱 신경망) 인공지능 모델을 개발했다. 소재 탐색에 인공지능을 적용한 사례가 처음은 아니다. SGCNN 모델은 고체 소재의 벌크(bulk) 물성 예측에 특화된 CGCNN(결정 그래프 합성곱 신경망) 모델을 촉매 소재의 표면 물성 예측이 가능하도록 발전시킨 것이다. 그런데 벌크 물성과 표면 물성을 예측하는 것의 차이는 크다. 촉매의 표면 물성을 빠르고 정확히 예측할 수 있으면 이를 바탕으로 소재의 안정성, 성능, 비용의 3요소를 모두 충족하는 촉매를 더욱 효율적으로 선별할 수 있다. 실제로 해당 방법론으로 연료전지 양극반응 촉매를 개발했을 때 약 3,200개의 삼원소계 후보 소재들의 가능성을 단 하루 만에 탐색할 수 있었는데. 이것은 기존에 촉매 물성 예측에 사용되던 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산법으로는 수년이 소요되던 규모다. 연구진은 약 3,200개의 후보 소재 가운데 백금 촉매를 능가할 가능성이 있는 10개의 촉매에 대한 실험검증을 통해 삼원소계(Cu-Au-Pt) 신규 합금촉매를 개발했다. 이 촉매는 순수 백금촉매 대비 백금 원소를 37%만 사용하지만, 반응전류밀도(kinetic current density)는 순수 백금 촉매보다 2배 이상 높게 나오는 고성능을 보였다. 또한 해당 촉매는 안정성 테스트를 5,000회 거친 후에도 성능 열화가 거의 일어나지 않는 훌륭한 내구성을 보였다. KIST 김동훈 박사는 “향후 양질의 흡착에너지 데이터를 지속해서 구축해 더욱 정교한 인공지능 모델링을 수행할 계획이며, 이는 촉매 소재 개발의 성공률을 더욱 향상시킬 것”이라고 기대했다. 이번에 개발된 방법론은 수소 연료전지용 촉매뿐만 아니라 수소경제 실현에 필수적인 수전해 기반 수소 생산과 같은 다양한 촉매 반응에도 즉각 적용할 수 있다는 장점을 갖고 있다. 연구팀은 소재 및 시스템 최적화를 통해 개발된 촉매의 단가를 더 낮추고, 성능을 향상시킬 계획이다. 이번 연구성과는 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03) 및 과학기술정보통신부(장관 이종호)의 소재연구데이터플랫폼사업 지원으로 수행되었으며, 한국에너지기술연구원 박영태 박사후 연구원과 한국과학기술연구원 물질구조제어연구센터 황창규 연수생 (고려대학교 박사과정 학생)이 공동 제1저자로 참여하여 국제 학술지 「Applied Catalysis B: Environmental」에 7월 24일 온라인 개재되었다. [그림 1] 인공지능 기반 수소연료전지 촉매 설계 연구의 요약 도식도 [그림 2] 인공지능 모델 개발을 위해 사용된 KIST 계산과학연구센터 서버팜(server farm) 및 고성능 GPU 기반 슈퍼컴퓨팅 자원 [그림 3] 인공지능 모델링 기반의 고기능성 촉매 선별 방법론 [그림 4] 머신러닝을 통해 예측한 삼원계 합금촉매(Cu3Au@Pt)의 구현을 위한 스퍼터링, 아크플라즈마 박막 증착 공정 및 산소환원반응 특성 결과 ○ 논문명: Machine learning filters out efficient electrocatalysts in the massive ternary alloy space for fuel cells ○ 학술지: Applied Catalysis B: Environmental ○ 게재일: 2023.07.24. ○ DOI: https://doi.org/10.1016/j.apcatb.2023.123128 ○ 논문저자 - 박영태 박사후연구원(제1저자/KAIST 신소재공학과) - 황창규 박사과정 학생연구원(제1저자/KIST 물질구조제어연구센터) - 김종민 선임연구원(교신저자/KIST 물질구조제어연구센터) - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터) - 한상수 책임연구원(교신저자/KIST 계산과학연구센터) - 이혁모 교수(교신저자/KAIST 신소재공학과)

- 수 년 걸리던 3200여개 촉매 후보소재 성능 하루 만에 탐색 완료 - 백금(Pt) 촉매보다 값싸고 효율적인 삼원소계 합금(Cu-Au-Pt) 신촉매 개발 수소차에 사용되는 양성자 교환막 수소연료전지(PEMFC)는 양극에서 산소 환원 반응이 잘 일어나도록 값비싼 백금 촉매를 사용한다. 백금보다 더 효율적이고, 경제적인 촉매 소재를 개발하기 위해서 탐색해야 하는 원소의 조합과 조성이 방대해 이 순간에도 연구자들은 실험실에서 수많은 시행착오를 거치고 있다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 김동훈 박사, 한상수 박사와 물질구조제어연구센터 김종민 박사, 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 새로운 인공지능 기반 촉매 선별 방법론을 제시하고, 이를 통해 순수 백금 촉매보다 더 값싸고, 2배 이상 높은 성능의 삼원소계 합금(Cu-Au-Pt) 신규 촉매 소재 개발에 성공했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 SGCNN(촉매구조 그래프 합성곱 신경망) 인공지능 모델을 개발했다. 소재 탐색에 인공지능을 적용한 사례가 처음은 아니다. SGCNN 모델은 고체 소재의 벌크(bulk) 물성 예측에 특화된 CGCNN(결정 그래프 합성곱 신경망) 모델을 촉매 소재의 표면 물성 예측이 가능하도록 발전시킨 것이다. 그런데 벌크 물성과 표면 물성을 예측하는 것의 차이는 크다. 촉매의 표면 물성을 빠르고 정확히 예측할 수 있으면 이를 바탕으로 소재의 안정성, 성능, 비용의 3요소를 모두 충족하는 촉매를 더욱 효율적으로 선별할 수 있다. 실제로 해당 방법론으로 연료전지 양극반응 촉매를 개발했을 때 약 3,200개의 삼원소계 후보 소재들의 가능성을 단 하루 만에 탐색할 수 있었는데. 이것은 기존에 촉매 물성 예측에 사용되던 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산법으로는 수년이 소요되던 규모다. 연구진은 약 3,200개의 후보 소재 가운데 백금 촉매를 능가할 가능성이 있는 10개의 촉매에 대한 실험검증을 통해 삼원소계(Cu-Au-Pt) 신규 합금촉매를 개발했다. 이 촉매는 순수 백금촉매 대비 백금 원소를 37%만 사용하지만, 반응전류밀도(kinetic current density)는 순수 백금 촉매보다 2배 이상 높게 나오는 고성능을 보였다. 또한 해당 촉매는 안정성 테스트를 5,000회 거친 후에도 성능 열화가 거의 일어나지 않는 훌륭한 내구성을 보였다. KIST 김동훈 박사는 “향후 양질의 흡착에너지 데이터를 지속해서 구축해 더욱 정교한 인공지능 모델링을 수행할 계획이며, 이는 촉매 소재 개발의 성공률을 더욱 향상시킬 것”이라고 기대했다. 이번에 개발된 방법론은 수소 연료전지용 촉매뿐만 아니라 수소경제 실현에 필수적인 수전해 기반 수소 생산과 같은 다양한 촉매 반응에도 즉각 적용할 수 있다는 장점을 갖고 있다. 연구팀은 소재 및 시스템 최적화를 통해 개발된 촉매의 단가를 더 낮추고, 성능을 향상시킬 계획이다. 이번 연구성과는 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03) 및 과학기술정보통신부(장관 이종호)의 소재연구데이터플랫폼사업 지원으로 수행되었으며, 한국에너지기술연구원 박영태 박사후 연구원과 한국과학기술연구원 물질구조제어연구센터 황창규 연수생 (고려대학교 박사과정 학생)이 공동 제1저자로 참여하여 국제 학술지 「Applied Catalysis B: Environmental」에 7월 24일 온라인 개재되었다. [그림 1] 인공지능 기반 수소연료전지 촉매 설계 연구의 요약 도식도 [그림 2] 인공지능 모델 개발을 위해 사용된 KIST 계산과학연구센터 서버팜(server farm) 및 고성능 GPU 기반 슈퍼컴퓨팅 자원 [그림 3] 인공지능 모델링 기반의 고기능성 촉매 선별 방법론 [그림 4] 머신러닝을 통해 예측한 삼원계 합금촉매(Cu3Au@Pt)의 구현을 위한 스퍼터링, 아크플라즈마 박막 증착 공정 및 산소환원반응 특성 결과 ○ 논문명: Machine learning filters out efficient electrocatalysts in the massive ternary alloy space for fuel cells ○ 학술지: Applied Catalysis B: Environmental ○ 게재일: 2023.07.24. ○ DOI: https://doi.org/10.1016/j.apcatb.2023.123128 ○ 논문저자 - 박영태 박사후연구원(제1저자/KAIST 신소재공학과) - 황창규 박사과정 학생연구원(제1저자/KIST 물질구조제어연구센터) - 김종민 선임연구원(교신저자/KIST 물질구조제어연구센터) - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터) - 한상수 책임연구원(교신저자/KIST 계산과학연구센터) - 이혁모 교수(교신저자/KAIST 신소재공학과)

- 수 년 걸리던 3200여개 촉매 후보소재 성능 하루 만에 탐색 완료 - 백금(Pt) 촉매보다 값싸고 효율적인 삼원소계 합금(Cu-Au-Pt) 신촉매 개발 수소차에 사용되는 양성자 교환막 수소연료전지(PEMFC)는 양극에서 산소 환원 반응이 잘 일어나도록 값비싼 백금 촉매를 사용한다. 백금보다 더 효율적이고, 경제적인 촉매 소재를 개발하기 위해서 탐색해야 하는 원소의 조합과 조성이 방대해 이 순간에도 연구자들은 실험실에서 수많은 시행착오를 거치고 있다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 김동훈 박사, 한상수 박사와 물질구조제어연구센터 김종민 박사, 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 새로운 인공지능 기반 촉매 선별 방법론을 제시하고, 이를 통해 순수 백금 촉매보다 더 값싸고, 2배 이상 높은 성능의 삼원소계 합금(Cu-Au-Pt) 신규 촉매 소재 개발에 성공했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 SGCNN(촉매구조 그래프 합성곱 신경망) 인공지능 모델을 개발했다. 소재 탐색에 인공지능을 적용한 사례가 처음은 아니다. SGCNN 모델은 고체 소재의 벌크(bulk) 물성 예측에 특화된 CGCNN(결정 그래프 합성곱 신경망) 모델을 촉매 소재의 표면 물성 예측이 가능하도록 발전시킨 것이다. 그런데 벌크 물성과 표면 물성을 예측하는 것의 차이는 크다. 촉매의 표면 물성을 빠르고 정확히 예측할 수 있으면 이를 바탕으로 소재의 안정성, 성능, 비용의 3요소를 모두 충족하는 촉매를 더욱 효율적으로 선별할 수 있다. 실제로 해당 방법론으로 연료전지 양극반응 촉매를 개발했을 때 약 3,200개의 삼원소계 후보 소재들의 가능성을 단 하루 만에 탐색할 수 있었는데. 이것은 기존에 촉매 물성 예측에 사용되던 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산법으로는 수년이 소요되던 규모다. 연구진은 약 3,200개의 후보 소재 가운데 백금 촉매를 능가할 가능성이 있는 10개의 촉매에 대한 실험검증을 통해 삼원소계(Cu-Au-Pt) 신규 합금촉매를 개발했다. 이 촉매는 순수 백금촉매 대비 백금 원소를 37%만 사용하지만, 반응전류밀도(kinetic current density)는 순수 백금 촉매보다 2배 이상 높게 나오는 고성능을 보였다. 또한 해당 촉매는 안정성 테스트를 5,000회 거친 후에도 성능 열화가 거의 일어나지 않는 훌륭한 내구성을 보였다. KIST 김동훈 박사는 “향후 양질의 흡착에너지 데이터를 지속해서 구축해 더욱 정교한 인공지능 모델링을 수행할 계획이며, 이는 촉매 소재 개발의 성공률을 더욱 향상시킬 것”이라고 기대했다. 이번에 개발된 방법론은 수소 연료전지용 촉매뿐만 아니라 수소경제 실현에 필수적인 수전해 기반 수소 생산과 같은 다양한 촉매 반응에도 즉각 적용할 수 있다는 장점을 갖고 있다. 연구팀은 소재 및 시스템 최적화를 통해 개발된 촉매의 단가를 더 낮추고, 성능을 향상시킬 계획이다. 이번 연구성과는 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03) 및 과학기술정보통신부(장관 이종호)의 소재연구데이터플랫폼사업 지원으로 수행되었으며, 한국에너지기술연구원 박영태 박사후 연구원과 한국과학기술연구원 물질구조제어연구센터 황창규 연수생 (고려대학교 박사과정 학생)이 공동 제1저자로 참여하여 국제 학술지 「Applied Catalysis B: Environmental」에 7월 24일 온라인 개재되었다. [그림 1] 인공지능 기반 수소연료전지 촉매 설계 연구의 요약 도식도 [그림 2] 인공지능 모델 개발을 위해 사용된 KIST 계산과학연구센터 서버팜(server farm) 및 고성능 GPU 기반 슈퍼컴퓨팅 자원 [그림 3] 인공지능 모델링 기반의 고기능성 촉매 선별 방법론 [그림 4] 머신러닝을 통해 예측한 삼원계 합금촉매(Cu3Au@Pt)의 구현을 위한 스퍼터링, 아크플라즈마 박막 증착 공정 및 산소환원반응 특성 결과 ○ 논문명: Machine learning filters out efficient electrocatalysts in the massive ternary alloy space for fuel cells ○ 학술지: Applied Catalysis B: Environmental ○ 게재일: 2023.07.24. ○ DOI: https://doi.org/10.1016/j.apcatb.2023.123128 ○ 논문저자 - 박영태 박사후연구원(제1저자/KAIST 신소재공학과) - 황창규 박사과정 학생연구원(제1저자/KIST 물질구조제어연구센터) - 김종민 선임연구원(교신저자/KIST 물질구조제어연구센터) - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터) - 한상수 책임연구원(교신저자/KIST 계산과학연구센터) - 이혁모 교수(교신저자/KAIST 신소재공학과)

- 수 년 걸리던 3200여개 촉매 후보소재 성능 하루 만에 탐색 완료 - 백금(Pt) 촉매보다 값싸고 효율적인 삼원소계 합금(Cu-Au-Pt) 신촉매 개발 수소차에 사용되는 양성자 교환막 수소연료전지(PEMFC)는 양극에서 산소 환원 반응이 잘 일어나도록 값비싼 백금 촉매를 사용한다. 백금보다 더 효율적이고, 경제적인 촉매 소재를 개발하기 위해서 탐색해야 하는 원소의 조합과 조성이 방대해 이 순간에도 연구자들은 실험실에서 수많은 시행착오를 거치고 있다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 김동훈 박사, 한상수 박사와 물질구조제어연구센터 김종민 박사, 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 새로운 인공지능 기반 촉매 선별 방법론을 제시하고, 이를 통해 순수 백금 촉매보다 더 값싸고, 2배 이상 높은 성능의 삼원소계 합금(Cu-Au-Pt) 신규 촉매 소재 개발에 성공했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 SGCNN(촉매구조 그래프 합성곱 신경망) 인공지능 모델을 개발했다. 소재 탐색에 인공지능을 적용한 사례가 처음은 아니다. SGCNN 모델은 고체 소재의 벌크(bulk) 물성 예측에 특화된 CGCNN(결정 그래프 합성곱 신경망) 모델을 촉매 소재의 표면 물성 예측이 가능하도록 발전시킨 것이다. 그런데 벌크 물성과 표면 물성을 예측하는 것의 차이는 크다. 촉매의 표면 물성을 빠르고 정확히 예측할 수 있으면 이를 바탕으로 소재의 안정성, 성능, 비용의 3요소를 모두 충족하는 촉매를 더욱 효율적으로 선별할 수 있다. 실제로 해당 방법론으로 연료전지 양극반응 촉매를 개발했을 때 약 3,200개의 삼원소계 후보 소재들의 가능성을 단 하루 만에 탐색할 수 있었는데. 이것은 기존에 촉매 물성 예측에 사용되던 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산법으로는 수년이 소요되던 규모다. 연구진은 약 3,200개의 후보 소재 가운데 백금 촉매를 능가할 가능성이 있는 10개의 촉매에 대한 실험검증을 통해 삼원소계(Cu-Au-Pt) 신규 합금촉매를 개발했다. 이 촉매는 순수 백금촉매 대비 백금 원소를 37%만 사용하지만, 반응전류밀도(kinetic current density)는 순수 백금 촉매보다 2배 이상 높게 나오는 고성능을 보였다. 또한 해당 촉매는 안정성 테스트를 5,000회 거친 후에도 성능 열화가 거의 일어나지 않는 훌륭한 내구성을 보였다. KIST 김동훈 박사는 “향후 양질의 흡착에너지 데이터를 지속해서 구축해 더욱 정교한 인공지능 모델링을 수행할 계획이며, 이는 촉매 소재 개발의 성공률을 더욱 향상시킬 것”이라고 기대했다. 이번에 개발된 방법론은 수소 연료전지용 촉매뿐만 아니라 수소경제 실현에 필수적인 수전해 기반 수소 생산과 같은 다양한 촉매 반응에도 즉각 적용할 수 있다는 장점을 갖고 있다. 연구팀은 소재 및 시스템 최적화를 통해 개발된 촉매의 단가를 더 낮추고, 성능을 향상시킬 계획이다. 이번 연구성과는 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03) 및 과학기술정보통신부(장관 이종호)의 소재연구데이터플랫폼사업 지원으로 수행되었으며, 한국에너지기술연구원 박영태 박사후 연구원과 한국과학기술연구원 물질구조제어연구센터 황창규 연수생 (고려대학교 박사과정 학생)이 공동 제1저자로 참여하여 국제 학술지 「Applied Catalysis B: Environmental」에 7월 24일 온라인 개재되었다. [그림 1] 인공지능 기반 수소연료전지 촉매 설계 연구의 요약 도식도 [그림 2] 인공지능 모델 개발을 위해 사용된 KIST 계산과학연구센터 서버팜(server farm) 및 고성능 GPU 기반 슈퍼컴퓨팅 자원 [그림 3] 인공지능 모델링 기반의 고기능성 촉매 선별 방법론 [그림 4] 머신러닝을 통해 예측한 삼원계 합금촉매(Cu3Au@Pt)의 구현을 위한 스퍼터링, 아크플라즈마 박막 증착 공정 및 산소환원반응 특성 결과 ○ 논문명: Machine learning filters out efficient electrocatalysts in the massive ternary alloy space for fuel cells ○ 학술지: Applied Catalysis B: Environmental ○ 게재일: 2023.07.24. ○ DOI: https://doi.org/10.1016/j.apcatb.2023.123128 ○ 논문저자 - 박영태 박사후연구원(제1저자/KAIST 신소재공학과) - 황창규 박사과정 학생연구원(제1저자/KIST 물질구조제어연구센터) - 김종민 선임연구원(교신저자/KIST 물질구조제어연구센터) - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터) - 한상수 책임연구원(교신저자/KIST 계산과학연구센터) - 이혁모 교수(교신저자/KAIST 신소재공학과)

안녕하십니까. KIST 커뮤니케이션팀입니다. 과학탐방은 현재 고정적으로 수요일 오후 3시~5시 약 2시간동안 프로그램을 운영하고 있습니다. 인원은 최소 15명~최대 35명까지 받고 있습니다. 과학탐방 신청 링크 : https://moaform.com/q/spi6L3 신청폼에 나와있는 날짜만 신청이 가능하며 선택지에 없는 날짜는 이미 신청이 마감된 날짜입니다. 감사합니다.

안녕하십니까. KIST 커뮤니케이션팀입니다. 과학탐방은 현재 고정적으로 수요일 오후 3시~5시 약 2시간동안 프로그램을 운영하고 있습니다. 인원은 최소 15명~최대 35명까지 받고 있습니다. 과학탐방 신청 링크 : https://moaform.com/q/spi6L3 신청폼에 나와있는 날짜만 신청이 가능하며 선택지에 없는 날짜는 이미 신청이 마감된 날짜입니다. 감사합니다.

안녕하세요. 예일여자고등학교 1학년에 재학중인 신지원이라고 합니다. 이번에 학교에서 학생이 직접 꿈 탐색 활동을 계획하고 실행하는 꿈 탐색 프로그램을 열어 그곳에 참여하게 되었습니다. 그에 따라 한국과학기술연구원을 견학하는 계획을 세우게 되었고, 견학신청을 할 수 있을지 여쭙고 싶어 글을 올립니다. 인원은 저를 포함해 2명이고, 희망 견학 날짜는 10월 17일 입니다.

- 기존 대비 편리성과 정확도 높인 새로운 글루타민 측정 센서 개발 - 살아있는 세포의 글루타민의 농도 변화의 실시간 모니터링 성공 2023년 우리나라의 기대수명은 83.6세로 OECD 회원국 중 세 번째로 높고, 매년 꾸준히 늘어나고 있다. 노인인구 비율이 증가하면서 다양한 노인성 질환의 치료에 드는 사회적 비용 또한 급격한 증가 추세여서 질환 조기 진단에 관한 관심이 높아지고 있다. 다양한 진단방식 가운데 암, 당뇨, 치매 등 중증 환자의 세포 및 혈액에서 글루타민 농도가 정상인 대비 크게 변화하는 것을 밝혀내 노인성 질환의 지표로써 글루타민을 측정하는 연구가 전세계적으로 활발히 이루어지고 있다. 한국과학기술연구원(KIST, 원장 윤석진) 천연물소재연구센터 서문형 박사팀은 천연물인포매틱스연구센터 박근완 박사팀과 함께 ‘화합물 유도 단백질 조립’ 원리를 통해 복잡한 측정 과정과 고가의 분석 장비 없이도 글루타민 농도를 빠르고 정확하게 측정할 수 있는 기술을 개발했다고 밝혔다. 글루타민은 혈액 내에서 단백질을 합성하거나 세포가 에너지원으로 사용하는 아미노산의 하나로 특정 상황에서 수치가 급격하게 변화하는 특성이 있어 질병의 치료 및 조기 진단에 유용한 바이오마커로 활용될 수 있다. 이 때문에 암세포의 영양분이기도 한 글루타민의 대사를 억제하는 암 치료 연구를 비롯해 대사질환 및 퇴행성 질환의 진단을 위한 체내 글루타민 신진대사 연구도 활발히 수행되고 있다. 지금까지 체내 글루타민 농도 측정은 아미노산 분석기와 같은 고가의 전문 분석 장비에 의존하고 있는데, 살아있는 세포 내 글루타민의 농도 변화는 실시간으로 측정할 수 없다는 한계가 있었다. 상대적으로 측정 비용이 낮은 연구용 키트의 경우, 생체 시료 내 단백질 제거 등 번거로운 전처리 과정이 필요해 측정 시간이 길고 정확도가 높지 않았다. 연구팀은 글루타민 결합 단백질을 2개의 인공 단백질로 분리한 후 시료와 결합해 혈액 내 글루타민의 농도를 간편하게 측정할 수 있는 ‘화합물 유도 단백질 조립’ 원리의 글루타민 측정용 센서 단백질을 개발했으며, 글루타민의 기호인 Q와 밝게 빛을 낸다는 뜻인 SHINE을 결합하여 Q-SHINE으로 이름을 붙였다. 실험 결과, Q-SHINE 센서는 글루탐산, D-글루타민과 같은 유사한 구조의 아미노산에는 반응하지 않는 고선택성을 보였다. 이를 통해 측정할 수 있는 글루타민의 최저 농도는 1마이크로몰(µM, 1몰의 100만분의 1)으로, 연구용 키트로 가장 많이 사용되는 효소반응 분석법보다 20배 더 낮은 농도의 글루타민까지 측정할 수 있다. 또한, 센서 단백질을 대장균에서 손쉽게 생산할 수 있어 연구용 키트로도 수억 원 상당의 분석 장비와 동일한 수준의 글루타민 농도 분석이 가능해졌다. 뿐만 아니라 연구팀은 Q-SHINE 센서를 이용해 살아있는 세포의 세포질 및 미토콘드리아 내 글루타민 농도 변화의 실시간 모니터링에도 성공했다. 특히 암세포와 정상세포에서 글루타민 농도 차이를 검증함으로써, 향후 글루타민 대사 억제를 통한 항암제 개발이 속도를 낼 수 있을 것으로 보인다. KIST 서문형 박사는 “이번에 개발된 Q-SHINE 센서는 당뇨환자의 자가 혈당 측정 방식과 같이 손쉬운 글루타민 농도 모니터링을 가능하게 해줄 것"이라며, “글루타민 대사 연구에 활용하게 되면 암, 당뇨, 치매와 같은 중증 노인성 질환의 조기진단과 원인 규명, 나아가 글루타민 대사를 조절하는 암 치료제 개발에 크게 기여할 수 있을 것”이라고 밝혔다. 본 연구는 과학기술정보통신부(장관 이종호)의 지원을 받아 KIST 주요사업과 한국연구재단 우수신진연구사업(2021R1C1C1003843)으로 수행된 이번 연구성과는 국제학술지 ‘Sensors and Actuators, B: Chemical’ (IF=8.4, JCR 분야 상위 0.8%) 최신 호에 게재됐다. * Q-SHINE: A versatile sensor for glutamine measurement via ligand-induced dimerization [그림 1] 단백질 분리 및 안정화 설계를 통한 '화합물 유도 단백질 조립' 원리의 Q-SHINE 센서 개발 모식도 [그림 2] Q-SHINE 센서를 이용한 글루타민 농도 측정 결과 ○ 논문명: Q-SHINE: A versatile sensor for glutamine measurement via ligand-induced dimerization ○ 학술지: Sensors and Actuators: B. Chemical ○ 게재일: 2023.05.06. ○ DOI: https://doi.org/10.1016/j.snb.2023.133951 ○ 논문저자 - 임윤 박사후연구원(제1저자/KIST 천연물소재연구센터) - 김지율 학생연구원(제1저자/KIST 천연물소재연구센터) - 박근완 책임연구원(교신저자/KIST 천연물소재연구센터) - 서문형 선임연구원(교신저자/KIST 천연물소재연구센터)

- 기존 대비 편리성과 정확도 높인 새로운 글루타민 측정 센서 개발 - 살아있는 세포의 글루타민의 농도 변화의 실시간 모니터링 성공 2023년 우리나라의 기대수명은 83.6세로 OECD 회원국 중 세 번째로 높고, 매년 꾸준히 늘어나고 있다. 노인인구 비율이 증가하면서 다양한 노인성 질환의 치료에 드는 사회적 비용 또한 급격한 증가 추세여서 질환 조기 진단에 관한 관심이 높아지고 있다. 다양한 진단방식 가운데 암, 당뇨, 치매 등 중증 환자의 세포 및 혈액에서 글루타민 농도가 정상인 대비 크게 변화하는 것을 밝혀내 노인성 질환의 지표로써 글루타민을 측정하는 연구가 전세계적으로 활발히 이루어지고 있다. 한국과학기술연구원(KIST, 원장 윤석진) 천연물소재연구센터 서문형 박사팀은 천연물인포매틱스연구센터 박근완 박사팀과 함께 ‘화합물 유도 단백질 조립’ 원리를 통해 복잡한 측정 과정과 고가의 분석 장비 없이도 글루타민 농도를 빠르고 정확하게 측정할 수 있는 기술을 개발했다고 밝혔다. 글루타민은 혈액 내에서 단백질을 합성하거나 세포가 에너지원으로 사용하는 아미노산의 하나로 특정 상황에서 수치가 급격하게 변화하는 특성이 있어 질병의 치료 및 조기 진단에 유용한 바이오마커로 활용될 수 있다. 이 때문에 암세포의 영양분이기도 한 글루타민의 대사를 억제하는 암 치료 연구를 비롯해 대사질환 및 퇴행성 질환의 진단을 위한 체내 글루타민 신진대사 연구도 활발히 수행되고 있다. 지금까지 체내 글루타민 농도 측정은 아미노산 분석기와 같은 고가의 전문 분석 장비에 의존하고 있는데, 살아있는 세포 내 글루타민의 농도 변화는 실시간으로 측정할 수 없다는 한계가 있었다. 상대적으로 측정 비용이 낮은 연구용 키트의 경우, 생체 시료 내 단백질 제거 등 번거로운 전처리 과정이 필요해 측정 시간이 길고 정확도가 높지 않았다. 연구팀은 글루타민 결합 단백질을 2개의 인공 단백질로 분리한 후 시료와 결합해 혈액 내 글루타민의 농도를 간편하게 측정할 수 있는 ‘화합물 유도 단백질 조립’ 원리의 글루타민 측정용 센서 단백질을 개발했으며, 글루타민의 기호인 Q와 밝게 빛을 낸다는 뜻인 SHINE을 결합하여 Q-SHINE으로 이름을 붙였다. 실험 결과, Q-SHINE 센서는 글루탐산, D-글루타민과 같은 유사한 구조의 아미노산에는 반응하지 않는 고선택성을 보였다. 이를 통해 측정할 수 있는 글루타민의 최저 농도는 1마이크로몰(µM, 1몰의 100만분의 1)으로, 연구용 키트로 가장 많이 사용되는 효소반응 분석법보다 20배 더 낮은 농도의 글루타민까지 측정할 수 있다. 또한, 센서 단백질을 대장균에서 손쉽게 생산할 수 있어 연구용 키트로도 수억 원 상당의 분석 장비와 동일한 수준의 글루타민 농도 분석이 가능해졌다. 뿐만 아니라 연구팀은 Q-SHINE 센서를 이용해 살아있는 세포의 세포질 및 미토콘드리아 내 글루타민 농도 변화의 실시간 모니터링에도 성공했다. 특히 암세포와 정상세포에서 글루타민 농도 차이를 검증함으로써, 향후 글루타민 대사 억제를 통한 항암제 개발이 속도를 낼 수 있을 것으로 보인다. KIST 서문형 박사는 “이번에 개발된 Q-SHINE 센서는 당뇨환자의 자가 혈당 측정 방식과 같이 손쉬운 글루타민 농도 모니터링을 가능하게 해줄 것"이라며, “글루타민 대사 연구에 활용하게 되면 암, 당뇨, 치매와 같은 중증 노인성 질환의 조기진단과 원인 규명, 나아가 글루타민 대사를 조절하는 암 치료제 개발에 크게 기여할 수 있을 것”이라고 밝혔다. 본 연구는 과학기술정보통신부(장관 이종호)의 지원을 받아 KIST 주요사업과 한국연구재단 우수신진연구사업(2021R1C1C1003843)으로 수행된 이번 연구성과는 국제학술지 ‘Sensors and Actuators, B: Chemical’ (IF=8.4, JCR 분야 상위 0.8%) 최신 호에 게재됐다. * Q-SHINE: A versatile sensor for glutamine measurement via ligand-induced dimerization [그림 1] 단백질 분리 및 안정화 설계를 통한 '화합물 유도 단백질 조립' 원리의 Q-SHINE 센서 개발 모식도 [그림 2] Q-SHINE 센서를 이용한 글루타민 농도 측정 결과 ○ 논문명: Q-SHINE: A versatile sensor for glutamine measurement via ligand-induced dimerization ○ 학술지: Sensors and Actuators: B. Chemical ○ 게재일: 2023.05.06. ○ DOI: https://doi.org/10.1016/j.snb.2023.133951 ○ 논문저자 - 임윤 박사후연구원(제1저자/KIST 천연물소재연구센터) - 김지율 학생연구원(제1저자/KIST 천연물소재연구센터) - 박근완 책임연구원(교신저자/KIST 천연물소재연구센터) - 서문형 선임연구원(교신저자/KIST 천연물소재연구센터)