▲ 인공지능 기반 촉매 설계 파이프라인의 모식도 / 실험계획법을 통해 최적화된 실험 조건 및 조성 공간의 구획화를 진행한 뒤, 측정 결과를 바탕으로 학습한 인공지능이 추천한 촉매 조성을 합성한다. 이 과정을 반복하며 인공지능의 예측 정확도는 상승하며, 최적의 촉매 조성을 발견할 수 있다.(그림 및 설명=KAIST 신소재공학과 강정구 교수 & 김지훈 학생)  © 특허뉴스

AI 기술이 수소 생산의 효율과 경제성을 획기적으로 높일 수 있는 최적 조합의 수전해 촉매 개발을 이끌어냈다. 한국연구재단은 KAIST 신소재공학과 강정구 교수 연구팀이 캘리포니아 공과대학교(Caltech) 윌리엄 고다드 교수 연구팀과의 공동 연구를 통해 이러한 쾌거를 이루었다고 밝혔다.

현재 수소 생산의 핵심인 수전해(물을 전기분해하여 수소와 산소를 얻는 과정)에는 백금이나 이리듐 같은 고가의 귀금속이 다량 함유된 촉매가 사용된다. 이는 생산 비용을 높이고 지속 가능성 측면에서 한계를 가졌다. 또한, 3개 이상의 금속 원소를 조합하는 다원소 합금 촉매의 경우, 각 원소의 함량에 따른 성능 예측을 위한 조합의 경우의 수가 기하급수적으로 늘어나 기존의 시행착오 방식으로는 시간과 비용이 천문학적으로 소요되는 문제가 있었다.

이러한 문제 해결을 위해 연구팀은 머신러닝을 활용한 촉매 설계 방식을 개발했다. 이 방식은 방대한 촉매 조성 공간을 빠르게 탐색하고 최적의 조합을 찾아낼 수 있도록 돕는다. 특히, 열역학적 지식을 머신러닝 모델 설계 단계에서부터 적용하여, AI가 이제껏 보지 못한 데이터에 대해서도 일반화된 예측을 가능하게 하는 '화학적 귀납추론' 능력을 갖추도록 했다.

이렇게 AI를 통해 조성된 최적의 다원소 합금 촉매는 수소 발생 반응에서 24mV, 산소 발생 반응에서 204mV라는 놀랍도록 낮은 과전압을 기록했다. 이는 기존 귀금속 기반의 백금/산화 이리듐 촉매의 성능을 크게 능가하는 결과이다.

강정구 교수는 "AI 기반 촉매 설계를 통해 우수한 성능을 가진 다원소 합금을 단시간에 발굴할 수 있었다"며, "개발된 합금 촉매는 100시간 이상의 장기 안정성을 보여주어 실제 수소 생산 시스템에 적용될 가능성을 입증했다"고 강조했다.

이번 연구에서 사용된 AI 탐색 전략은 고차원 조성 공간에서도 효율적인 최적화가 가능해 수전해 외에도 다양한 촉매 시스템에 적용될 수 있을 것으로 예상된다. 이번 연구 성과는 국제학술지 `PNAS (Proceedings of the National Academy of Sciences, 미국국립과학원회보)'에 2025년 7월 7일 게재되었다.

논문명은 AI-driven design of multiprincipal element alloys for optimal water splitting이다.