본문 바로가기 대메뉴 바로가기

Krict Research

인공지능으로 열전소재 성능 향상을 위한 최적의 도핑원소를 예측하고 검증한다

작성자하이브파트너스  조회수377 등록일2023-01-30
197_img_26.jpg [30.7 KB]

KRICT 온새미로

인공지능으로 열전소재 성능 향상을 위한 최적의 도핑원소를 예측하고 검증한다

화학플랫폼연구본부

좌로부터 이예리 선임연구원, 장현주 책임연구원(본부장), 임진오 선임연구원

 

전 세계적으로 발전소, 자동차 등에서 발생하는 폐열을 전기로 변환하는 친환경 발전에 관한 연구가 활발히 진행되고 있는 가운데, 국내 연구진이 인공지능과 빅데이터 기술을 활용해 기존보다 더 높은 효율을 가진 열전소재 개발에 성공하였다.

화학연 화학데이터기반연구센터 장현주·임진오·이예리 박사 연구팀은 서울대학교 화학생명공학부 정인 교수 연구팀과 공동으로 인공지능을 활용한 고효율 열전소재를 발견하고, 실험을 통해 이를 검증하는데 성공했다고 밝혔다.

연구팀이 개발한 새로운 도핑 원소가 포함된 고성능 열전소재는 폐열발전, 소형냉장고, 우주탐사선 발전 등 다양한 응용분야에 적용이 가능하다. 더불어, 데이터기반 인공지능 모델의 활용으로 신소재 개발을 가속화할 수 있으며, 이러한 방법론을 다양한 신소재, 태양전지, 촉매소재 분야 등으로 확대할 수 있을 것으로 전망된다.

그동안 열전소재에 적절한 도핑 원소를 첨가하여 열전 성능을 더욱 높일 수 있다는 점은 널리 알려져 있으나, 다양한 도핑 원소와 농도 등의 최적 조건을 모두 직접 실험으로 찾기 위해서는 오랜 시간과 비용이 발생하는 점이 새로운 열전소재 발견에 걸림돌로 작용해 왔다.

이에 연구팀은 현존하는 소재 중 가장 열전 성능이 높은 소재인 '셀렌화 주석(SnSe)'에 다양한 도핑 원소를 도입하여, 열전소재에 대한 연구데이터를 수집하고 빅데이터화 하였다. 이를 기반으로 인공지능을 활용하여 도핑에 따른 열전 성능 예측모델을 구축하였고, ‘셀렌화 주석’의 열전 성능을 향상시킬 수 있는 새로운 도핑원소 및 도핑 농도를 탐색하였다.

인공지능 기반의 예측모델을 통해 ‘이트리움(Yttrium)’을 ‘소디움(Sodium)’과 함께 도핑할 경우 ‘셀렌화 주석’의 열전 성능이 상용화 수준으로 높게 나타날 것으로 예측하였다.

이러한 예측 결과를 실제 직접 실험을 통해 ‘셀렌화 주석’에 ‘이트리움’과 ‘소디움’을 함께 도핑하여 합성하였고, 인공지능 모델의 예측치와 같은 수준의 좋은 열전 성능을 나타내는 것을 검증하였다. 또한 이론 계산을 통해 ‘이트리움’과 ‘소디움’의 도핑 역할을 분석하여 이를 뒷받침하였다.

특히 연구팀은 인공지능 예측모델을 통해 2,800건 이상의 도핑 조건에 대한 열전 성능을 수 분만에 예측할 수 있었다. 이러한 성과는 기존 실험을 통해서는 1개의 후보 물질을 합성하고 그 도핑 효과를 검증하는데 일주일 이상이 걸리는 점을 고려할 때 도핑원소 탐색에 걸리는 시간을 인공지능을 활용하여 획기적으로 단축한 것이다.

한편, 본 연구에서 사용한 빅데이터는 실험실의 전주기 연구 과정 중에 생성된 샘플의 합성조건과 열전특성 측정 등, 기존에 공개된 데이터에서는 얻을 수 없는 값진 연구데이터이다.

또한 연구 수행 과정에서 원하는 결과가 도출되지 않을 경우 발생하는 ‘다크 데이터(dark data)’를 구축된 플랫폼을 활용하여 버리지 않고 인공지능 모델 구축에 활용하여 머신러닝 예측 성능 향상에 도움을 줄 수 있게 되었다.

연구팀은 실험과 계산 연구를 통한 고품질 열전소재 빅데이터를 구축하였으며, 플랫폼을 통해 많은 사람들이 쉽게 활용할 수 있도록 제공하고 있다. 또한 이 빅데이터에 기반한 인공지능 예측모델은 추후 타물질로 확대하여 쉽게 적용 가능할 것으로 기대한다.

화학연 이미혜 원장은 “이번 결과는 데이터기반 소재개발 연구의 대표적 성공 사례이며, 향후 후속연구를 통해 연구데이터의 가치와 효용을 극대화하여 신소재 개발의 속도를 앞당기고, 다양한 분야에서 연구데이터의 수집 및 활용이 좀 더 활발해지길 기대한다.”라고 말했다.

이번 연구 결과는 세계적인 학술지인 ‘미국 화학회지(Journal of the American Chemical Society)’ 7월호에 출판되었다. 관련 데이터와 인공지능 모델은 웹기반 열전소재 데이터 플랫폼인 ‘TEXplorer’(www.texplorer.org) 홈페이지에서 확인할 수 있다.

또한 이번 연구는 과학기술정보통신부 나노소재원천기술사업의 지원을 받아 수행됐다.