▲목동현(석사과정)

본교 화공생명공학과 목동현 연구원 (석사과정, 지도교수: 백서인)은 기계학습을 통한 촉매의 활성 예측을 위하여 제일원리계산을 필요로 하지 않는, 표면의 구조 정보 및 원자 정보를 이용한 새로운 활성 자리 표현법을 개발하였다. 

기존의 촉매 활성 예측을 위한 기계학습에 사용되는 표현법은 높은 계산 비용을 요구하는 표면 구조 생성과 밀도범함수이론 계산 (Density Functional Theory Calculations) 에 기반을 둔다. 하지만 이번 연구에서는 이러한 과정이 필요 없는, 원소의 기본적인 성질 (끓는점, 전기음성도 등)과 활성 자리의 위치 정보만을 이용하여 촉매의 흡착 특성을 높은 정확도 (MAE ~ 0.11 eV)로 예측하는 새로운 활성 자리 표현법을 개발하였다. 더 나아가, 해당 표현법과 학습된 기계학습 모델을 통해 가능한 모든 활성 자리를 생성하고 활성을 예측함으로써 이산화탄소 환원 반응과 수소 생성 반응에 유망할 것으로 예상되는 물질을 제시하였다.
연구 결과는 화학/컴퓨터 분야의 국제 학술지인 Journal of Chemical Information and Modeling에 게재되었다. 이 연구는 C1 가스 전환기술 공통시험 연구 및 한국화학연구원의 지원으로 수행되었다.