안녕하십니까. KIST 커뮤니케이션팀입니다. 어제 전화로 견학 문의 주신 것으로 확인했습니다. 견학 담당자에게 같은 내용 메일로도 답변 드리도록 전달하겠습니다. 감사합니다.

안녕하세요, 한성과학고등학교 1학년 재학생 조성우입니다. 7월 17일 자유 진로체험의 날 행사를 학교에서 진행하도록 하고 있습니다. KIST 견학을 통해 저와 제 친구들의 소질과 능력에 맞는 진로와 직업을 자기주도적으로 탐색할 수 있는 기회를 가질 수 있었으면 합니다. 견학 신청을 위해서는 몇 명의 친구들이 필요하고 어떤 요건이 갖춰져야하는지 궁금합니다. 견학 신청일은 7월 17일입니다. 답변 꼭 부탁드려요. 조성우 드림 한성과학고등학교 1학년 1반 20번 ccsungwoo07@gmail.com

- 몽골 전통 약용식물 및 농업 연구 분야 원천기술 개발 및 산업화 상호협력 한국과학기술연구원 강릉 천연물연구소(분원장 장준연)는 6월 14일(수) 몽골국립대에서 몽골국립대, 몽골 생명과학대, 몽골과학원 산하의 정부출연연구소인 몽골 화학기술연구소 및 몽골 생물학연구소와 함께 몽골 전통 약용식물 및 농업 연구 분야에 있어 원천기술 개발, 산업화 연계협력 프로그램 추진 및 상호협력 체계구축을 목적으로 다자간 MOU를 체결했다. 본 연구 협력체계에서 몽골 약용식물 유래 기능성 소재 발굴과 KIST가 2018년에 몽골 현지에 이미 구축한 스마트팜 기반의 기능성 식물 재배 기술 확립에 있어 원천기술을 공동개발하고, 유망기술 산업화를 위하여 5개 기관이 협력해 나갈 계획이다. 또한, 정기적인 한-몽골 공동연구 워크숍 등을 통하여, 각 기관 연구 분야의 정보를 공유하고, 우리나라 정부 부처 국제협력 사업도 함께 모색하여 중장기 공동연구 로드맵 및 몽골 약용식물을 활용한 상용화 체계를 함께 구축해 나갈 예정이다. 장준연 강릉분원장은 “KIST 강릉 천연물연구소에서 그동안 확보한 천연물 소재 개발 및 스마트팜 기반 생산기술 등을 통하여 고부가가치 해외 기능성 소재를 그린바이오 산업에 적용할 수 있는 효율적인 협력체계가 구축되었다”고 밝히고, 더 나아가 양국 간의 협력으로 “국내 천연물·바이오기업이 우리나라 생물 다양성의 부족으로 산업화 소재 발굴에 애로사항을 겪고 있어, 이번 계기로 몽골의 희귀한 천연물 소재를 활용하여 국내 기업들이 글로벌 시장으로 나아갈 수 있도록 KIST가 앞장서겠다”고 말했다. [사진] 장준연 KIST 강릉 천연물연구소 분원장(왼쪽에서 두번째)이 몽골 학-연 기관 대표들과 함께 MOU를 진행한 후 기념사진을 촬영하고 있다.

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )