한국과학기술원(KAIST)은 인공지능(AI)을 이용해 이산화탄소 포집에 적합한 소재를 빠르고 정확하게 선별할 수 있는 시뮬레이션 기법을 개발했다고 29일 밝혔다.

금속 유기 골격체(MOF·금속과 유기물을 결합한 다공성 소재)는 표면적이 넓고 자유자재로 기공을 조절할 수 있어 공기 중 이산화탄소를 효과적으로 포집할 수 있는 소재로 주목받고 있다.

다만 구조적 다양성과 복잡한 분자 간 상호작용으로 인해 이상적인 후보를 선별하기가 쉽지 않다.

고전적인 방식의 시뮬레이션은 예측 속도는 빠르나 정밀도가 낮고, 양자역학 기반 계산은 정밀하지만 계산 비용이 높아 대규모 스크리닝에는 적합하지 않다.

김지한 교수 연구팀은 영국 임페리얼 칼리지 런던 연구팀과 공동으로 MOF와 이산화탄소, 물 사이의 상호작용을 정밀하게 예측할 수 있는 기계학습(머신러닝) 기반 역장(Machine Learning Force Field, MLFF)을 개발했다.

이를 통해 양자역학 수준의 예측 정확도를 유지하면서도 기존보다 월등히 빠른 속도로 MOF 소재들의 흡착 물성을 계산할 수 있다.

연구팀은 개발된 시스템을 활용해 8천여개의 MOF 구조를 실험적으로 합성, 스크리닝을 통해 100개 이상의 유망한 탄소 포집 후보 소재를 발굴했다.

특히 기존 고전 시뮬레이션 기법으로는 확인되지 않았던 새로운 후보 소재들을 제시했다.

이번 연구 성과는 국제 학술지 '매터'(Matter)에 지난 12일 자로 실렸다.