나노기술 및 정책 정보

• 목록

● 한상수 박사･김동훈 박사(KIST) 및 이혁모 교수(KAIST) 공동 연구팀은 백금 나노입자에 대해 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 인공지능(AI) 기술을 개발

● 연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 기존의 '결정 그래프 합성곱 신경망' 모델에 원자 간 결합 종류를 고려하는 '결합 임베딩' 기술을 도입한 '결합 임베딩-결정 그래프 합성곱 신경망(Bond-type Embedded Crystal Graph Convolutional Neural Network, BE-CGCNN)' 모델을 개발

● BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있어, 기존 CGCNN 모델에 비해 오차가 최대 85.7% 감소하고 표면 푸베이 도표를 계산하는 데 70초가 소요됨을 확인

● BE-CGCNN 모델은 백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는 데 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것으로 기대

Nature Communications (2023.05.25.), Machine learning-enabled exploration of the electrochemical stability of real-scale metallic nanoparticles