Process Systems Engineering & Intelligence Design Laboratory

화학공학과 조형태

화학공학과의 공정 시스템 엔지니어링 및 지능 설계 연구실은 화학 공정의 지능화와 최적화를 목표로 다양한 연구를 수행하고 있습니다. 특히, 머신러닝을 활용한 석유화학산업의 스마트 공정 플랫폼 개발과 탄소 배출 저감 엔지니어링 플랫폼 개발에 주력하고 있습니다. 또한, 마이크로버블 기술을 이용한 미세먼지 및 유해가스 동시 제거 시스템 개발, 에너지 효율 향상을 위한 중소·중견기업 지원사업, 그린 수소 생산을 위한 혁신적인 공정 설계 등 다양한 프로젝트를 통해 실질적인 성과를 거두고 있습니다. 최근 3년간 다수의 논문 발표와 특허 출원을 통해 연구실의 역량을 입증하였으며, 산업체와의 협력을 통해 연구 성과를 상용화하는 데 주력하고 있습니다.

Green Hydrogen Production

Energy Efficiency Optimization

Microbubble Technology

대표 연구 분야

연구 영역 전체보기

촉매 성능 예측 및 최적화 연구

촉매 성능 예측 및 최적화 연구는 화학공정의 효율성을 극대화하기 위한 중요한 연구 분야입니다. 머신러닝과 양자 뉴럴 네트워크 모델을 활용하여 촉매의 성능을 예측하고, 이를 실험적으로 검증합니다. 이 연구는 특히 메탄 건식 개질 반응에서의 촉매 성능을 중점적으로 다루며, 다양한 촉매 물질의 고속 스크리닝과 최적화를 통해 새로운 활성 촉매를 신속하게 발견할 수 있는 방법론을 개발하고 있습니다. 이를 통해 그린 수소 생산과 같은 친환경 에너지 생산 공정에서의 효율성을 높이고, 산업 전반에 걸쳐 지속 가능한 에너지 솔루션을 제공할 수 있습니다.

미세먼지 및 유해가스 동시 제거 시스템

미세먼지, 황산화물, 질소산화물, 그리고 악취를 동시에 제거할 수 있는 시스템 개발은 환경 보호와 공기 질 개선을 위한 중요한 연구 과제입니다. 마이크로버블 기술을 이용하여 다양한 유해 물질을 효과적으로 제거하는 시스템을 설계하고, 이를 실증합니다. 이 연구는 특히 산업 현장에서 발생하는 대기 오염 물질을 줄이는 데 중점을 두고 있으며, 친환경적인 방법으로 공기 질을 개선하는 데 기여할 수 있습니다. 이러한 시스템은 도시와 산업 지역의 환경 개선에 중요한 역할을 할 것으로 기대됩니다.

주요 논문

발행물 전체보기

Interpretable machine learning framework for catalyst performance prediction and validation with dry reforming of methane

주저자노지원, 교신저자노인수, 김정환

Applied Catalysis B: Environmental, 2024

Multidisciplinary high-throughput screening of metal–organic framework for ammonia-based green hydrogen production

주저자가성빈, 안나현, 교신저자김정환

Renewable and Sustainable Energy Reviews, 2024

Hybrid Quantum Neural Network Model with Catalyst Experimental Validation: Application for the Dry Reforming of Methane

주저자노지원, 오성현, 교신저자노인수, 김정환

ACS Sustainable Chemistry & Engineering, 2024

완료된 프로젝트

프로젝트 전체보기

(2024) 석유화학산업 머신러닝 기반 지능화 스마트 공정 플랫폼 기술 개발 및 실증(1/2)

기획재정부

2024년 ~ 2024년 12월

(2024) 탄소배출량DB·예측모델 기반 탄소저감 엔지니어링 플랫폼 개발 및 실증

산업통상자원부

2024년 ~ 2024년 12월

(2024) 마이크로버블을 이용한 미세먼지, 황산화물, 질소산화물, 악취 동시제거 시스템(2/3)

중소벤처기업부

2024년 ~ 2024년 12월