- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- 수 나노미터 크기 백금 나노입자 촉매 안정성 계산하는 BE-CGCNN 모델 개발 - 다양한 금속 나노입자에 적용 가능해 신소재 촉매 개발에 활용 기대 수소 자동차에 주로 사용되는 양성자 교환막 연료전지(PEMFC)에는 백금(Pt)계 촉매가 주로 사용된다. 촉매의 성능은 연료전지의 수명과 직결되기 때문에 백금 촉매의 성능, 특히 안정성을 높이는 연구가 필수적이다. ‘표면 푸베이 도표’를 이용하면 실제 작동환경에서 촉매 물질의 표면 구조와 안정성을 예측할 수 있다. 표면 푸베이 도표는 밀도범함수이론(DFT)을 이용한 흡착에너지 시뮬레이션 계산으로 구할 수 있지만, 수 나노미터 크기의 나노입자 구조를 가진 백금 촉매의 경우 수천 시간이 소요된다. 한국과학기술연구원(KIST, 원장 윤석진)은 계산과학연구센터 한상수 박사, 김동훈 박사와 한국과학기술원(KAIST, 총장 이광형) 신소재공학과 이혁모 교수 공동연구팀이 수 나노미터 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 빠르고 정확하게 구성할 수 있는 새로운 AI 기술을 개발했다고 밝혔다. 공동연구팀은 촉매 표면에서 흡착 물질이 결합하는 에너지를 정확하게 예측하기 위해 결합 임베딩-결정 그래프 합성곱 신경망(BE-CGCNN) 모델을 개발했다. 이 모델은 기존의 결정 그래프 합성곱 신경망(CGCNN) 모델에 원자 간 결합 종류를 고려하는 결합 임베딩(Bond-embedding) 기술을 도입한 것이다. BE-CGCNN 모델을 이용하면 백금 나노입자의 표면에 존재하는 흡착물의 흡착 에너지를 밀도범함수이론에 따른 계산 대비 0.1 eV 오차 수준으로 예측해 표면 푸베이 도표를 정확하게 구성할 수 있다. 기존 CGCNN 모델과 비교해서는 최대 85.7%만큼 오차가 감소했다. 실제 PEMFC에 사용되는 약 5 nm 크기의 백금 나노입자에 대해서 표면 푸베이 도표를 계산하는 데 걸린 시간은 불과 약 70초였다. 기존 밀도범함수이론을 사용하면 1년 이상의 시간이 걸리던 계산이다. KIST 한상수 박사는 “백금뿐만 아니라 다양한 금속 및 합금 나노입자의 안정성을 예측하는데 BE-CGCNN 모델을 적용할 수 있어 긴 수명을 가지는 신소재 촉매 개발에도 활용이 가능할 것”이라고 기대했다. 김동훈 박사는 “향후 본 기술을 활용해 높은 안정성을 보유한 신소재 나노입자 촉매를 개발하면 연료전지의 수명이 획기적으로 연장된다. 백금 이외의 다양한 소재에 적용할 수 있도록 모델 학습용 데이터를 확보하고, 딥러닝 모델을 확장할 예정”이라고 말했다. 삼성전자(대표이사 경계현)의 삼성미래기술육성사업(SRFC-MA1801-03)으로 수행된 이번 연구 성과는 국제 학술지 「Nature Communications」에 5월 25일 온라인 게재*되었다. * Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles [그림 1] 실제 크기 나노입자의 표면 푸베이 도표 예측 및 DFT와의 계산시간 비 [그림 2] BE-CGCNN 모델의 개념도 [그림 3] BE-CGCNN 흡착에너지 예측 결과 및 나노입자 구조에 따른 표면 푸베이 도표 비교 ○ 논문명 : Machine Learing-Enabled Exploration of the Electrochemical Stability of Real-Scale Metallic Nanoparticles ○ 학술지: Nature Communications ○ 게재일: 2023. 5. 25. (온라인) ○ DOI: https://doi.org/10.1038/s41467-023-38758-1 ○ 논문저자 - 방기훈 박사후 연구원(제1저자/KIST 계산과학연구센터), - 김동훈 선임연구원(교신저자/KIST 계산과학연구센터), - 한상수 책임연구원(교신저자/KIST 계산과학연구센터), - 이혁모 교수(교신저자/KAIST )

- KIST 본원 내 KIST-토페스 링킹랩 설치 - 실시간 차량 검출·추적이 가능한 AI 기반 교통관제 기술 상용화 협력 한국과학기술연구원(KIST, 원장 윤석진)은 6월 13일(화) 서울 성북구 KIST 본원에서 토페스(대표이사 박병진)와 AI 기반 실시간 차량 검출·추적·속도 추정 기술 개발을 위한 기술이전 조인식 및 링킹랩(Linking Lab) 사업 현판식을 개최했다고 밝혔다. 두 기관은 향후 2년간 해당 기술에 대해 협력 연구를 수행해 스마트 시티에 적용할 수 있는 교통관제 기술 상용화에 힘을 합친다는 계획이다. 첨단 ICT 기술을 기반으로 교통, 에너지, 시설 비효율 등 각종 도시문제를 해결하는 스마트 시티 기술은 도시화율이 81%가 넘는 우리나라에서 시민의 삶을 향상시키는 핵심기술로 손꼽힌다. 그중에서도 스마트 교통 시스템 분야는 도시의 안전을 위해 필수적인 요소로 많은 기술 수요와 함께 비약적인 발전이 이뤄지고 있다. 연구 책임자인 KIST 김익재 AI·로봇연구소장은 “본 기술은 CCTV 영상을 분석해 실시간 차량 검출 추적이 가능한 지능형 교통관제 기술로 공공의 질서와 시민의 안전을 위한 핵심기술이다”라며 “기술이전 및 링킹랩 사업을 통해 제품의 빠른 상용화를 기대한다”고 밝혔다. 윤석진 원장은 “KIST와 토페스의 협력은 기술이전 계약을 체결한 기업의 상용화 과정을 적극적으로 지원하는 링킹랩 사업의 대표적 예가 될 것이다. 특히 토페스의 사업 분야가 국민의 안전을 지키는 공공분야인 만큼 키스트의 기술이 국민의 안전한 삶에 기여하기를 기대한다”라고 말했다. 토페스 박병진 대표는 “급변하는 국내·외 기술변화에 맞춰 다양한 기술과 유능한 인적자원을 보유한 KIST의 기술을 이전받아 당사의 교통안전 솔루션 완성을 위한 협력 연구를 진행하게 되었다. 본 협력으로 토페스가 100년 기업으로 성장하는 초석이 되길 희망한다”며 “해당 기술의 상용화와 적용분야 확대를 통해 해외 진출에도 힘쓸 예정이다”라고 밝혔다. 토페스는 1984년 오리엔탈전자시스템(주)으로 설립되었고 1992년 국내 최초로 무인교통단속시스템을 개발한 이후 교통솔루션 전문기업으로 성장했다. 2023년 1월에는 이를 이륜차를 포함한 딥러닝기반의 전후방 단속시스템으로 확대해 우수조달기업으로 지정되었다. [사진 1] KIST와 (주)토페스 기술이전 조인식에 참석한 관계자들이 단체 기념 촬영을 하고 있다. [사진 2] 윤석진 KIST 원장(좌)과 박병진 (주)토페스 대표이사(우)가 링킹랩 사업 현판식 기념 촬영을 하고 있다.