나노기술 및 정책 정보

• 목록

​

중국 "베이징시(北京市, 북경시) 컴퓨팅 센터"의 "신소재 컴퓨팅 연구팀"은 최근 "베이징(北京, 북경) 공업 클라우드 플팻폼(Cloud platform)"인 "멀티 스케일 시뮬레이션(Multi scale simulation) 및 멀티 목표(multi-objective) 머신러닝 소재 컴퓨팅(machine learning material computing)과 데이터 플랫폼(data platform)"에 기반 하여 2D MXenes 촉매 소재 정밀 디자인을 실현하는데 성공함.

2차원(2D) 소재는 큰 표면적-체적 비(比)와 우수한 화학 활성을 보유하고 있기 때문에 잠재적인 에너지 저장과 전환 소재로 평가를 받고 있음.

그래핀과 2차원 전이 금속 황화물 등의 소재는 현재 이미 전기 물 분해를 통한 수소 생성 분야에서 폭넓게 응용되고 있는 상황이지만 "어떻게 하면 면(面) 내부 원자로 하여금 촉매 활성 위치 점으로 전환될 수 있게끔 할 것인가"라는 과제는 여전히 도전에 직면하여 있음.

MAX에서 박리한 2D MXenes(M는 전이 금속이고, X는 탄소와/혹은 질소를 대표함) 소재는 에너지 저장과 전환, 전기 촉매, 전자기 차폐 및 전자 디바이스 분야에서 폭넓게 응용되고 있음.

2D MXenes 순서적인 2원 합금 소재는 일종 신형 MXenes 전기 촉매 멀티 기능 소재에 속하며, 모상(parent phase) MAX 종류는 70종을 초월하기 때문에 합금 조합의 공간은 매우 큼.

전통적인 "시행착오 방법"은 대량의 중복 실험이 필요하고 과정이 번잡하고 연구개발 사이클이 길고 자원 소모가 비교적 큰 단점을 보유하고 있기 때문에 이론 지도(指導)를 통한 정밀 합성은 신소재 개발, 새로운 성능 개발 분야에서 중요한 의미를 보유하고 있음.

최근 계산 능력의 대폭 향상에 따른 빅 데이터 발굴과 대 용량 계산(High throughput computing) 방법 사용은 신소재의 발견을 가속화 하고 있음.

연구팀은 빅 데이터 구동의 대 용량 밀도 범함수 이론(DFT) 계산 프로세스를 사용하고, 머신러닝 프레임워크를 집적하여 2D MXenes 순서적인 2원 합금(OBAs) 촉매 활성 트렌드를 예측한 동시에 HER 촉매 디자인을 지도(指導) 하였음. 2,520종에 달하는 후선 촉매제 중에서 188종에 달하는 열 안정성을 보유한 동시에 실험을 통해 합성해낸 HER 촉매제를 선별하였는데 그 중 110종의 2D MXenes OBAs는 이상적인 백금 촉매제에 비해 우수한 HER 촉매 활성을 나타낸다는 점을 입증함으로써 2D MXenes HER 촉매 소재 종류를 풍부히 하는데 성공하였음.

연구팀은 AdaBoost를 이용하여 머신러닝 집적 모델을 통합하고 머신러닝 집적 모델을 이용하여 개발한 디스크립터(descriptor)로 HER 촉매의 활성의 물리화학 기원을 정확하게 예측하고 해석하여 전자 구조 이론 검증 결과를 취득하였으며, 정확성을 보증하는 전제 하에서 소재 디자인 효율성을 90% 이상 수준에 도달시킴.

연구팀은 이번 연구를 통해 빅 데이터 구동의 대용량 컴퓨팅과 머신러닝을 결합시키고 대용량 컴퓨팅 프로세스와 머신러닝 프레임워크 집적을 통해 효율적인 2D MXenes 촉매를 제조할 수 있는 선진적인 방법을 개발하였는데, 동 방법은 촉매 활성 트렌드를 평가하고 새로운 복잡 촉매를 디자인 하는 면에서 강한 능력을 보유하고 있는 것으로 나타났으며, 동 방법은 향후 신소재 디자인 분야에서 폭넓게 응용될 것으로 전망됨.

본 연구 성과는 Journal of Materials Chemistry A ("Accelerating 2D MXenes Catalyst Discovery for Hydrogen Evolution Reaction by Computer-Driven Workflow and Ensemble Learning Strategy")에 게재됨.