기후 위기 대응 수단으로 수소차가 주목받고 있지만 핵심 부품인 연료전지는 여전히 높은 가격과 짧은 수명이라는 한계를 안고 있다. 원인은 백금 촉매다. 전기 생산 반응을 담당하지만 반응 속도가 느리고 장기 사용 시 성능이 저하되며 제조 비용도 높다. 국내 연구진이 이 문제를 개선할 단서를 제시했다.

KAIST는 신소재공학과 조은애 교수 연구팀이 서울대 화학생물공학부 이원보 교수팀과 함께 인공지능을 활용해 촉매의 원자 배열 경향을 예측하는 기술을 개발했다고 27일 밝혔다.

연구팀은 머신러닝 기반 양자화학 시뮬레이션을 통해 촉매 내부 금속 원자의 이동과 배열 경향을 사전에 계산하는 설계 방식을 도입했다. 그 결과 아연이 백금-코발트 원자 배열을 촉진하는 매개 원소로 작용한다는 점을 확인했다. 아연을 도입하면 원자들이 낮은 에너지 상태에서 안정적으로 정렬돼 고온 공정 없이도 규칙적인 구조 형성이 가능해진다는 설명이다.

AI 예측을 기반으로 실제 합성한 아연-백금-코발트 촉매는 기존 백금 촉매 대비 산소환원반응 활성과 장기 구동 안정성이 모두 향상됐다. 이는 계산 기반 설계 결과가 실험에서 그대로 구현될 수 있음을 입증한 사례로, 시행착오 중심의 기존 소재 개발 방식에서 데이터 기반 설계로 전환 가능성을 보여준다는 평가다.

연구진은 이번 기술이 수소 승용차뿐 아니라 장거리 운행용 수소 트럭, 선박, 에너지저장장치 등 다양한 연료전지 적용 분야에서 촉매 수명 연장과 제조 비용 절감에 기여할 것으로 전망했다.

조은애 교수는 “AI가 원자 배열의 최적 경로를 먼저 제시하고 이를 실험으로 검증한 점에서 의미가 있다”며 “차세대 연료전지 촉매 개발의 효율성을 크게 높일 수 있을 것”이라고 말했다.

이번 연구에는 KAIST 장현우 박사과정과 서울대 류재현 박사가 공동 제1저자로 참여했으며, 결과는 학술지 ‘어드밴스드 에너지 머티리얼즈’ 1월 15일자에 게재됐다. 연구는 한국연구재단과 한국에너지기술평가원의 지원을 받아 수행됐다.