우리 연구실은 계산화학(특히 밀도범함수이론, DFT)과 머신러닝을 융합하여 차세대 촉매 및 에너지 소재를 원자 수준에서 설계하는 연구를 선도하고 있습니다. 양자역학적 시뮬레이션을 통해 촉매 표면의 전자 구조, 결합 특성, 반응 경로를 정밀하게 분석함으로써, 실험적 시행착오를 최소화하고 효율적인 신소재 개발을 가능하게 합니다. 이러한 접근법은 연료전지, 수전해, 암모니아 합성, 바이오매스 개질 등 다양한 에너지 변환 및 저장 반응에 적용되고 있습니다. 최근에는 대규모 계산 데이터와 실험 데이터를 통합한 머신러닝 모델을 개발하여, 신촉매 후보군의 고속 스크리닝 및 최적화에 활용하고 있습니다. 예를 들어, 다금속 합금, 단일/이중 원자 촉매, MXene 기반 촉매 등 복잡한 소재 시스템에서 머신러닝 기반 예측 및 생성 모델을 도입하여, 반응 활성, 선택성, 내구성 등 다양한 성능 지표를 동시에 고려한 혁신적 소재 설계가 이루어지고 있습니다. 이러한 연구는 촉매 및 에너지 소재의 구조-성능 상관관계에 대한 근본적 이해를 제공할 뿐만 아니라, 친환경 수소 생산, 이산화탄소 전환, 고효율 연료전지 등 미래 에너지 기술의 상용화에 핵심적인 역할을 하고 있습니다. 앞으로도 계산과학과 인공지능의 융합을 통해 지속가능한 에너지 사회 실현에 기여할 것입니다.

본 연구실은 수소 생산 및 연료전지의 핵심인 고성능·고내구성 촉매 개발에 집중하고 있습니다. 특히, 초저백금 기반 PEMFC(고분자전해질 연료전지) 산소환원극 촉매, 인산형 연료전지용 전극 촉매, 고온수전해 전지(MCEC)용 촉매 등 다양한 연료전지 시스템에 최적화된 촉매를 이론적으로 설계하고, 실험적 검증과 연계하여 연구를 수행합니다. 밀도범함수이론(DFT)과 마이크로키네틱 모델링을 활용하여, 합금화 효과, 표면 결함, 전자구조 변화가 촉매 활성 및 내구성에 미치는 영향을 체계적으로 규명하고 있습니다. 특히, 바이오매스 유래 C5/C6 화합물의 수소 생산, 암모니아 분해 및 합성, CO2 전환 등 다양한 친환경 수소 생산 경로에 적합한 촉매 시스템을 개발하고 있습니다. 단일 원자 촉매, 이중 원자 촉매, 나노합금, MXene 서포트 등 혁신적 소재를 도입하여, 귀금속 사용량을 최소화하면서도 높은 활성과 내구성을 동시에 달성하는 전략을 제시합니다. 또한, 머신러닝 기반의 조건부 생성 모델을 활용하여, 새로운 촉매 조성 및 구조의 탐색 효율을 극대화하고 있습니다. 이러한 연구는 수소 경제 실현을 위한 고효율·저비용 수소 생산 및 연료전지 기술의 상용화에 직접적으로 기여하고 있습니다. 앞으로도 실험-이론-데이터 기반 융합 연구를 통해, 차세대 에너지 전환 시스템의 핵심 소재 개발을 선도할 계획입니다.

전기화학적 암모니아 합성(N2RR)은 친환경 수소와 질소를 이용해 암모니아를 생산하는 차세대 기술로 주목받고 있습니다. 우리 연구실은 이 분야에서 이중 원자 촉매(hetero/homo double atom catalysts) 및 MXene 기반 서포트의 전자구조 제어를 통해, 높은 선택성과 활성, 그리고 우수한 내구성을 갖는 촉매를 이론적으로 설계하고 있습니다. DFT 계산과 자유에너지 분석, d-오비탈 밀도 분석 등을 통해, 도펀트 효과, 결함 구조, 응력 효과가 반응 메커니즘에 미치는 영향을 정밀하게 규명합니다. 특히, Ru-기반 이중 원자 촉매, Fe, Mn, Sc 등 다양한 전이금속 조합, 그리고 MXene 서포트의 조성 변화가 NH3 생산성에 미치는 영향을 체계적으로 연구하고 있습니다. NH2 흡착 에너지, 전자밀도, d-밴드 중심 등 반응 지표(descriptor)를 도출하여, 고효율 촉매의 설계 원리를 제시하고, 머신러닝 기반의 고속 탐색 및 최적화 기법도 적극 도입하고 있습니다. 이러한 연구는 암모니아를 수소 운반체로 활용하는 미래 에너지 시스템, 그리고 친환경 비료 생산 등 다양한 산업적 응용에 중요한 기반을 제공합니다. 앞으로도 원자 수준의 촉매 설계와 데이터 기반 예측을 결합하여, 전기화학적 암모니아 합성 분야의 혁신을 이끌어갈 것입니다.