상단영역

본문영역

AI활용, 메탄 생산수율 2배로 높인다

"석유화학 공정 난제 풀었다"...화학공정 생산성 10%서 20%이상으로

이 기사를 공유합니다
원하는 생성물(C2 화합물)의 수율은 높이고 부산물(숯, coke)의 생성을 최소화하는 조건을 찾기 위해 사용된 인공 꿀벌 군집(Artificial Bee Colony) 알고리즘 그림 (Reaction Chemistry & Engineering 저널 뒷표지 그림)

[e경제뉴스 노영조 기자] 화학공정 생산성을 10% 이상 높일 최적 조건을 찾아냈다. 석유화학 공정에서 부산물을 최소화하는 것은 핵심 과제였는데 이를 풀 수 있는 방법을 찾아낸 것이다.

한국화학연구원은 화학플랫폼연구본부 장현주·김현우 박사팀과 화학공정연구본부 김용태 박사팀이 온실가스인 메탄을 에틸렌 등 유용한 화학원료로 바꾸는 실험에서 AI 가상실험을 통해 수율(투입 메탄 대비 생산된 화학원료 양)을 기존의 2배인 20%까지 높이고 이를 실험실에서 직접 검증하는 데 성공했다고 22일 밝혔다.

메탄은 석유화학 공정과 셰일 가스에서 나오는 물질로 전세계 연간 메탄 발생량 9억t 중 92.2%가 난방이나 발전용으로 쓰이고 화학원료로 사용되는 것은 7.8%에 불과하다.

따라서 연구자들은 메탄을 화학원료로 전환해 활용하는 방법을 찾아왔다.

그러나 메탄을 산소 투입 없이 화학원료로 직접 바꾸는 촉매공정은 기술수준이 매우 높고 부산물이 많이 나와 지금까지 상용화되지 못했다.

2019년 화학연 김용태 박사팀에서 부산물 거의 없이 5.9%의 수율을 기록했었는데, 이후 후속 연구와 AI 연구 협업을 통해 2019년 수율의 2배인 13%를 달성한 것이다.

연구팀은 섭씨 1000도가 넘는 고온, 가스 속도, 압력 등 조건이 까다로운 실험을 수행해 얻은 250개 실험 데이터를 바탕으로 AI가 조건을 미세하게 바꿔가며 1만여 차례이상 가상실험을 수행했다.

연구팀은 이렇게 얻어진 가상 실험 데이터를 AI의 ‘인공 꿀벌 군집(Artificial Bee Colony) 알고리즘’에 적용했다. 자연에서 꿀벌 군집은 꿀이 있는 지역을 탐색하고, 꿀이 어디에 얼마나 있는지 구체적 정보를 수집하며, 수집된 정보들에서 꿀이 많은 곳을 알아내 꿀을 찾고 모은다.

이와 비슷하게 인공 꿀벌 군집 알고리즘도 여러 가상 실험 조건을 탐색하고, 어느 조건에서 어떤 실험 결과가 나오는지 구체적 정보를 수집한 후, 그 정보들에서 더 좋은 실험 결과가 나오는 조건으로 의사결정을 하는 총 세 단계를 거친다.

그 결과 연구팀은 종전에 기록한 5.9%보다 배 이상 높은 13% 수율을 달성했다고 설명했다.

연구팀은 논문 투고 후에도 연구를 계속해 현재 수율을 20%까지 끌어올린 상태다.

더욱이 산소 투입 없이 메탄을 화학원료로 직접 전환하는 촉매공정은 부산물(숯)이 많이 나와 상용화하지 못했는데, 연구진은 AI 가상실험을 통해 수율은 높으면서 부산물이 거의 없는 반응조건을 찾아냈다.

학계에서는 상용화를 기본 수율을 25% 이상, 부산물 선택도(전환된 메탄 대비 생성되는 부산물 비율)는 20% 미만으로 보고 있다. 현재 상용화에 근접한 기술을 연구하고 있는 곳은 미국, 중국, 우리나라 정도이다.

장현주 박사는 "공정이 까다롭고 변수가 많은 화학반응에서 최적의 조건을 아주 짧은 시간에 찾아낼 수 있는 이번 AI 기술은 앞으로 화학산업에서 바로 응용할 수 있을 것"이라고 말했다.

이번 연구성과는 '리액션 케미스트리 앤드 엔지니어링'(Reaction Chemistry & Engineering) 지2월1일 자에 게재됐다. 

저작권자 © SDG뉴스 무단전재 및 재배포 금지

개의 댓글

0 / 400
댓글 정렬
BEST댓글
BEST 댓글 답글과 추천수를 합산하여 자동으로 노출됩니다.
댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글수정
댓글 수정은 작성 후 1분내에만 가능합니다.
/ 400

내 댓글 모음

지속가능경제