본교 공동연구팀이 딥러닝과 화학시뮬레이션 기술을 이용해 쉽고 높은 효율로 온실가스를 저감하는 용매 판별법을 개발하고, 연구 성과를 담은 논문 「Learning the properties of a water-lean amine solvent from carbon capture pilot experiments」은 2월 1일(월) S급 국제학술지 <Applied Energy>(JCR ENGINEERING, CHEMICAL분야 상위 3.85%)에 게재됐다.
엘텍공과대학 화학신소재공학전공 나종걸 교수 공동연구팀은 딥러닝 기술과 화학시뮬레이션을 접목하여 이산화탄소를 효율적으로 흡수할 수 있는 용매의 특성을 최소한의 실험만으로 판단하는 방법론을 개발했다. 화석연료를 태울 때 나오는 이산화탄소는 전체 온실가스의 90%를 차지하는 지구온난화의 주범이다. 최근 정부가 대한민국 대전환 10대 과제로 디지털 뉴딜과 그린 뉴딜을 선언함에 따라 전통 제조업의 디지털화와 탄소 감축 기술 적용에 대한 현실화 요구가 더욱 높아진 가운데 나온 이번 성과는 학계의 주목을 받고 있다.
화력발전소나 석유화학공장에서 대량으로 발생하는 이산화탄소 온실가스를 포집하기 위해서는 일반적으로 아민계열 용매를 이용한다. 하지만 용매와 화학적으로 결합되어 있는 이산화탄소를 다시 분리하고 용매를 재순환시킬 때 들어가는 대량의 열에너지로 인해 경제성 확보가 힘들었다. 본교 연구팀은 한국과학기술연구원, 경희대와의 공동연구로 진행한 사전연구에서 저수계 아민 용매를 새롭게 개발하여 기존 용매 대비 낮은 재생에너지로 대량의 이산화탄소를 포집할 수 있게 했다.
이렇게 새롭게 개발된 용매를 제대로 활용하기 위해서는 용매의 반응특성과 열역학적 특성을 판단하고 이에 맞는 최적화된 공정 개발에 매우 많은 수의 실험이 이뤄져야 했다. 그러나 짧은 시간 내에 상용 플랜트에 적용 가능한 용매를 개발해야 하는 연구소와 기업 입장에서는 현실적으로 그 기간을 투자하기 어렵기 때문에 최적화되지 않은 기존설계에 그대로 적용시켜 보는 것이 일반적이었다. 연구팀은 이러한 일련의 과정을 딥러닝 기반 하이브리드 베이지안(Bayesian) 추론 기법을 적용하여 불확실성이 많은 파일럿 공정 결과로도 용매의 특성을 쉽게 추론하고, 큰 규모의 공정최적설계와 용매의 반응 및 열역학적 특성분석을 동시에 수행할 수 있도록 했다. 이를 통해 온실가스 처리 비용이 절감되고 대량의 이산화탄소 저감 효과도 기대할 수 있다.
이번 연구는 한국연구재단의 ‘유용물질 생산을 위한 Carbon to X 기술개발사업’의 지원을 받아 본교 나종걸 교수(공동1저자)와 한국과학기술연구원 이웅 선임연구원(교신저자), 김정남 박사(공동1저자)의 공동연구로 수행됐다.
나종걸 교수는 “이번 연구결과의 핵심은 기존의 순차적인 특성분석과 최적화 과정을 동시에 수행해 낼 수 있는 방법론을 개발한 것”이라며 “딥러닝 기법을 탄소제로를 향한 화학공정기술에 접목시킨 사례로서 인공지능과 도메인 지식(domain knowledge)의 성공적인 융합연구”라고 말했다. 특히 “본 연구를 통해 인공지능 기반 용매, 소재, 촉매 등 설계기법이 고도화되어 제품개발 속도를 크게 향상시킬 수 있을 것으로 기대한다”며 해당 분야를 선도하기 위한 포부를 밝혔다.
나 교수는 2018년 서울대학교 화학생물공학부에서 공학박사학위를 받고, 이후 인공지능과 화학공정시스템 연구의 접목을 위해 미국 MIT 방문학생, 한국과학기술연구원 및 카네기멜론대학 박사후연구원을 거쳐 2020년 엘텍공과대학 차세대기술공학부 화학신소재공학전공 교수로 부임했다.
화학신소재공학전공이 위치한 연구협력관(왼쪽)
‘우수 여성공학인의 양성을 통한 과학기술의 발전’이라는 시대적 소명 아래 1996년 세계 최초의 여성공과대학을 설립한 본교는 화학 및 소재 학문을 선도하는 최고 수준의 여성 인력 양성을 목표로 2015년 화학신소재공학전공을 신설했다. 화학신소재공학은 물질을 직접 다루고 기초 및 응용 분야를 아우르는 융합학문으로서, 환경공학·컴퓨터공학·전자공학 등 공학 전공들과 연계하여 인류의 당면 과제인 4차 산업 기반 화학공정개발과 그린기술을 주도하는 학문으로서 주도적인 역할을 할 것으로 기대된다.
