데이터 과학의 관점에서 전기 촉매 발견을 발전시키다

전기 촉매에 데이터 과학을 통합함으로써 지속 가능한 에너지 응용 분야를 위한 고성능 촉매의 발견이 크게 진전되었습니다.

도호쿠 대학 첨단재료연구소(WPI-AIMR)의 하오리가 이끄는 최근 논문에서 이러한 현상의 현황을 검토했습니다.

"저희의 주요 연구 결과는 밀도 함수 이론(DFT) 기술자 기반 저차원 데이터 과학과 대규모 계산 데이터 세트 및 머신러닝(ML)으로 구동되는 고차원 분석의 결합이 차세대 전기 촉매 설계를 가속화하고 있다는 것입니다. 또한 이러한 접근 방식은 촉매의 구조-물성 관계에 대한 심층적인 통찰력을 제공하여 더 빠르고 효율적인 발견 프로세스를 가능하게 합니다."

DFT에서 파생된 매개변수는 전통적으로 전기화학 반응에 대한 예측 화산 모델을 수립하는 데 사용되어 원자 규모의 설명자를 거시적 성능에 연결해 왔습니다.

이러한 저차원적 접근 방식은 촉매 구조와 전기화학적 성능 간의 관계를 이해하는 데 중요한 역할을 했습니다.

그러나 대규모 데이터 세트와 ML 기술에 의해 뒷받침되는 고차원 데이터 과학으로의 확장은 보다 복잡한 구조-속성 관계를 해독하는 능력을 향상시키고 있습니다.

머신 러닝 잠재력(MLP)은 양자 정밀도와 계산 확장성을 연결하는 이러한 변화의 핵심 기술로 떠오르고 있습니다.

MLP는 열역학적 흡착 에너지 계산을 가속화하고 동적 촉매 메커니즘의 보다 효율적인 시뮬레이션을 가능하게 합니다.

결과적으로 MLP는 전기 촉매의 미래 설계에서 중심 역할을 하여 현재 촉매 개발을 제한하는 일부 과제를 해결할 것으로 기대됩니다.

이 논문에서 밝혀진 중요한 측면은 이론적 통찰력, 계산 효율성, 실험적 검증의 통합이었습니다.

이러한 요소들을 연결함으로써 연료 전지, 전해조, 배터리와 같은 중요한 에너지 응용 분야를 위한 전기 촉매의 설계가 가속화되고 있으며, 이를 통해 지속 가능한 에너지 솔루션으로의 글로벌 전환에 기여하고 있습니다.

저자들은 또한 Hao Li 연구실에서 개발한 가장 큰 실험 촉매 데이터베이스이자 디지털 플랫폼인 디지털 촉매 플랫폼(DigCat)에 대해서도 논의했습니다.

리는 "데이터 과학은 전기 촉매 설계에 대한 우리의 접근 방식을 바꾸고 있습니다. 계산 모델과 머신 러닝 기술을 활용함으로써 촉매 발견의 효율성을 향상시킬 뿐만 아니라 실제 응용 분야에서의 성능도 향상시키고 있습니다."라고 덧붙였습니다.

앞으로 이러한 개발은 촉매 설계에 획기적인 진전을 가져올 것으로 기대되며, 깨끗한 에너지 기술을 더 저렴하고 접근하기 쉽게 만들 것입니다.

이 연구는 화석 연료 기반 에너지 시스템을 대체할 수 있는 촉매를 만드는 길을 열어, 재생 불가능한 자원에 대한 의존도를 줄이는 데 도움이 됩니다.

Journal of Catalysis에 게재된 이 논문은 전기촉매 분야에서 데이터 과학의 혁신적인 역할을 강조합니다. APC 연구비는 도호쿠대학교 지원 프로그램의 지원을 받았습니다.

출처: https://www.sciencedaily.com/releases/2025/05/250508112720.htm