Advanced Battery & Electrochemical Catalysts Lab

전기 에너지를 화학 에너지로 전환하는 전기화학 변환 기술은 청정 수소 생산과 탄소 자원화의 핵심 기반으로 평가받습니다. 물을 분해해 깨끗한 수소를 만들고, 배출되는 이산화탄소(CO₂)와 메탄(CH₄)을 연료나 고부가가치 화합물로 되돌리는 일이 모두 여기에 속합니다.이 반응들의 효율과 선택성은 결국 촉매 표면, 그중에서도 반응이 실제로 일어나는 원자 단위의 활성 자리(active site)에서 결정됩니다. 우리 연구실은 이 활성 자리를 나노스케일에서 설계합니다. 물 분해 반응에서는 금속 원자를 낱개 단위로 분산시킨 단일 원자 촉매로 원자 하나하나를 반응에 활용합니다. 또한, 촉매의 전자구조를 조절해 반응 경로를 유도함으로써, 여러 부산물 대신 원하는 생성물이 선택적으로 만들어지도록 합니다. 우리 연구가 지향하는 바는 활성이 높은 촉매를 확보하는 데 그치지 않습니다. 그러한 성능이 왜 나타나는지를 과학적으로 규명하는 것이 더 본질적인 목표입니다. 이를 위해 반응이 진행되는 실시간 상태를 관찰하는 operando 분석과, 반응 에너지와 경로를 예측하는 계산화학 분석을 병행하여, 표면에서 생성·소멸하는 반응 중간체와 메커니즘을 정량적으로 규명합니다. 리튬-황(Li–S) 배터리는 높은 이론 에너지 밀도와 풍부한 원재료인 황 덕분에 차세대 이차전지로 주목받고 있습니다. 하지만 황이 전해질에 용해되면서 발생하는 다단계 전기화학 반응, 방전 생성물의 비균일한 침전, 전해질과의 부반응 등은 충방전 효율 저하와 셀 수명 단축의 주요 원인입니다. 전기화학 반응은 촉매 구조, 전극 조성, 전해질 조건 등 여러 요소가 함께 작용해 성능이 결정됩니다. 본 연구실은 이러한 요소들을 효율적으로 분석하기 위해, 실험 데이터와 계산 결과를 머신러닝 기법으로 처리하여 전극 구성과 반응 조건을 빠르게 최적화하는 연구를 진행하고 있습니다. Gaussian Process Regression(GPR) 등 예측 모델을 활용해 반응 조건 변화에 따른 성능 추세를 파악하고, 어떤 변수가 성능에 영향을 주는지 정리합니다. 이를 통해 실험 횟수를 줄이면서도 원하는 성능을 얻을 수 있는 조합을 효과적으로 찾을 수 있습니다. 이러한 접근은 촉매·전극 설계를 체계화하고, 실제 응용이 가능한 구조를 개발하는 데 도움을 줍니다.