우리 연구실은 계산화학 시뮬레이션과 인공지능(AI)을 융합하여 차세대 촉매 및 에너지 소재를 합리적으로 설계하는 연구를 선도하고 있습니다. 계산화학은 원자 및 분자 수준에서 물질의 구조와 반응 메커니즘을 예측할 수 있는 강력한 도구로, 실험적 한계를 극복하고 신속하게 신소재를 탐색할 수 있습니다. 특히, 다양한 전이금속, 합금, 산화물 등 복잡한 소재 시스템에서의 전자구조, 표면 반응, 결함 특성 등을 정밀하게 분석함으로써, 촉매 활성 및 안정성 향상에 필요한 핵심 인자를 도출합니다. 최근에는 대규모 계산 데이터베이스를 구축하고, 이를 기반으로 머신러닝 및 딥러닝 기법을 접목하여 소재의 물성 예측 정확도를 높이고 있습니다. 인공지능은 방대한 계산 결과와 실험 데이터를 학습하여, 새로운 촉매 조성이나 구조의 최적화, 반응 경로의 예측, 합성 조건의 추천 등 소재 개발의 전 과정을 혁신적으로 가속화합니다. 이러한 융합 연구는 기존의 시행착오적 실험 중심 개발 방식에서 벗어나, 데이터 기반의 신속하고 체계적인 소재 설계 패러다임을 제시합니다. 이러한 접근법을 통해 수소 연료전지, 이차전지, 수전해, 이산화탄소 전환, 배기가스 저감 등 다양한 에너지 및 환경 분야에 적용 가능한 고성능 촉매와 소재를 개발하고 있습니다. 실제로 계산화학과 AI 기반 예측 결과를 실험적으로 검증함으로써, 이론과 실험의 시너지를 극대화하고, 소재의 상용화 가능성을 높이고 있습니다. 앞으로도 우리 연구실은 첨단 계산과 데이터 과학을 활용한 소재 혁신을 지속적으로 선도할 것입니다.

우리 연구실은 수소 연료전지 전극용 촉매, 수소 저장용 촉매, 배기가스 저감 촉매 등 에너지와 환경 문제 해결에 필수적인 촉매 및 소재 개발에 집중하고 있습니다. 수소 연료전지는 친환경 에너지 변환 시스템으로 각광받고 있으나, 고효율·저비용 촉매의 개발이 상용화의 핵심 과제로 남아 있습니다. 이에 따라, 백금 등 귀금속 사용량을 줄이면서도 높은 활성과 내구성을 갖는 전이금속 기반 촉매, 단일원자 촉매, 합금 촉매 등을 설계하고, 그 반응 메커니즘을 심층적으로 규명하고 있습니다. 수소 저장 및 운송 분야에서는 액상 유기수소운반체(LOHC) 시스템, 금속 수소화물, 고체 저장체 등 다양한 소재의 수소 흡·방출 특성을 계산과 실험을 통해 분석합니다. 특히, 분자 구조의 미세 조정(예: 메틸기 도입 등)을 통한 저장 효율 극대화, 촉매 표면에서의 탈수소화 반응 경로 최적화, 촉매-지지체 상호작용 제어 등 혁신적 접근법을 적용하고 있습니다. 또한, 자동차 및 산업 배기가스 저감용 촉매(예: CO, NOx, 탄화수소 저감) 개발에도 힘쓰고 있으며, 저온 활성화, 내구성 향상, 귀금속 대체 등 실용적 문제 해결에 중점을 두고 있습니다. 이러한 연구는 실험적 합성 및 성능 평가와 더불어, 계산화학 기반의 반응 경로 해석, 전자구조 분석, 결함 및 도핑 효과 예측 등 다각적 방법론을 통합적으로 활용합니다. 나아가, 실제 산업 현장 적용을 위한 촉매의 대량 합성, 내구성 평가, 상용화 공정 개발 등 실용화 연구도 병행하고 있습니다. 우리 연구실의 에너지 및 환경 촉매 소재 연구는 탄소중립 사회 실현과 지속가능한 미래 에너지 시스템 구축에 중요한 기여를 하고 있습니다.