정용철 교수 연구팀이 차세대 탄소포집 기술 개발의 핵심이 될 수 있는 새로운 금속-유기골격체(MOF) 데이터베이스인 ‘CoRE MOF DB* 2024’를 공개했다. * CoRE MOF(Computation-Ready, Experimental Metal-Organic ?ramework) DB: 실험적으로 합성된 금속-유기골격체(MOF) 구조 데이터베이스. 이 데이터베이스는 기계학습 기반의 자동화된 결정 수집, 정제, 분류 워크플로우 개발을 통해 4만 개의 MOF 물질 중 고성능 탄소포집 후보를 빠르게 선별할 수 있어, 기존보다 훨씬 효율적인 소재 탐색을 가능하게 한다. 뿐만 아니라 연구팀은 이를 활용한 탄소포집 흡착순환 공정을 시뮬레이션해 기존 고성능 소재를 능가하는 차세대 MOF 소재 12종을 새롭게 발굴해 소개했다.기후변화 대응의 핵심기술 중 하나로 꼽히는 ‘탄소포집’은 이산화탄소를 다른 기체들로부터 효율적으로 포집 및 정제하는 기술이다. ‘MOF’는 다공성 구조를 가진 소재로, 이산화탄소 같은 기체를 잘 흡착하는 성질이 있어 탄소포집 기술의 유망한 후보로 주목받고 있다. 하지만 기존의 CoRE MOF 데이터베이스는 수많은 MOF 구조를 포함하고 있음에도 불구하고, 구조 정보만 단순히 제공돼 실제 공정이나 경제성 분석에 바로 활용하기 어려운 한계가 있었다. 이를 개선하기 위해 연구팀은 수집된 소재들을 분자모델링과 탄소포집 공정 시뮬레이션을 연계해 다양한 성과를 도출했다. 【CoRE MOF 데이터베이스(DB) 구축 및 CO₂ 포집 소재 스크리닝 워크플로】 연구팀은 MOF 데이터의 신뢰도를 높이기 위해 결정 구조 자동 수집, 정제, 분류 워크 플로우를 구축하고, 이를 통해 연례적으로 데이터베이스를 최신 상태로 유지할 수 있는 기반을 마련했다. 소재의 열적 안정성, 열용량 등 MOF의 성능을 평가하는 데 중요한 6가지 핵심 물성을 기계학습 모델을 활용해 예측했고 부여함으로써 실험 없이도 빠르게 후보 물질을 흡착순환공정 모델링을 통해 평가할 수 있도록 했다.한편, 많은 계산 자원이 소모되는 밀도범함수 이론(Density Functional Theory, DFT) 연산으로 부분 전하(DDEC06)를 계산하는 대신, 고정밀 기계학습 모델로 대체해 수많은 MOF에 신속하게 적용할 수 있도록 했으며, 대표적인 탄소포집 공정인 온도순환흡착 공정(TSA, Temperature Swing Adsorption) 시뮬레이션을 통해 현재 상용화된 고효율 MOF 소재인 CALF-20보다 다양한 이산화탄소 조성에서 포집 효율이 뛰어난 MOF 12종을 새롭게 발굴했다.전체 프로젝트를 이끌어 온 정용철 교수는 “AI 및 데이터 기반 신소재 연구가 도래함에 따라 소재 구조 데이터베이스 구축이 점점 중요해지고 있다. 또한, 소재 자체의 성능을 넘어 소재가 쓰이는 공정이나 디바이스 수준에서의 성능을 연계하여 예측하는 멀티스케일 모델링 방법론이 중요해지고 있다. 이번 연구는 새로 구축한 MOF 데이터베이스를 활용하여 소재 스크리닝과 공정 시뮬레이션을 하나로 연결해, 복잡하고 시간이 많이 걸리던 신소재 탐색 과정을 단축시키는 방법을 보여주었다”며 ”소재 자체의 성능뿐 아니라 실제 산업 공정에서의 적용 가능성까지 함께 평가하여, 이러한 소재-공정 연계 평가 기법들은 앞으로 탄소중립 핵심기술 및 신소재의 산업 도입 속도를 높이는 데 기여할 것”이라고 내다봤다.이번 연구는 한국연구재단 중견연구 및 미래수소원천기술사업, 과학기술혁신인재양성사업(데이터사이언스)의 지원을 받아, 부산대 응용화학공학부 및 데이터사이언스대학원 정용철 교수가 교신저자, 자오 구오빈(Guobin Zhao) 박사과정생이 윤성현 박사과정생과 김해원 석사과정생의 도움을 받아 제1저자로 수행했다. 부산대를 비롯해 Northwestern, University of Minnesota - Twin Cities, Oak Ridge National Laboratory, University of California - Berkeley, Georgia Tech, MIT (미국), University of Toronto (캐나다), CNRS (프랑스), IMDEA Materials Institute (스페인) 등 국내외 11개 기관이 연구에 참여했으며, 국제 학술지 『Matter』 6월 4일자에 논문이 소개됐다.- 논문 제목: CoRE MOF DB: a curated experimental metal-organic ?ramework database with machine-learned properties for integrated material-process screening(CoRE MOF DB: 소재?공정 연계 스크리닝을 위한 정제된 금속?유기 골격체 데이터베이스)- 논문 링크: https://doi.org/10.1016/j.matt.2025.102140 * 상단 연구진 사진: 왼쪽부터 윤성현 박사수료생, 김해원 석사과정생, 정용철 교수, 자오 구오빈 박사과정생.[Abstract]We introduce CoRE MOF DB 2024, an openly accessible database of ∼14 k computation?ready metal?organic ?ramework structures enriched with machine?learned properties (stability metrics, heat capacities, DDEC06 charges, etc.). An upgraded MOFid 2.0 encodes metal nodes, organic linkers, and network topologies. Coupling the database with high?fidelity temperature?swing adsorption simulations enabled integrated material?process screening for diverse CO₂?capture scenarios, identifying a dozen MOFs predicted to outperform industrial benchmark CALF?20. The automated curation pipeline allows continuous updates and can accelerate data?driven discovery across adsorption?based separations.- Authors (Pusan National University): Guobin Zhao, Haewon Kim, Sunghyun Yoon, Yongchul G. Chung (School of Chemical Engineering, Graduate School of Data Science)- Title of original paper: CoRE MOF DB: a curated experimental metal?organic ?ramework database with machine?learned properties for integrated material?process screening- Journal: Matter- Web link: https://doi.org/10.1016/j.matt.2025.102140 - Contact e-mail: drygchung@gmail.com

응용화학공학부 김대윤 학생 (석·박사통합과정, 지도교수: 정병국)이 2024년 11월 27-30일개최된 한일재료심포지엄(15th KJSMI, 2024)에서 “Best Poster Award”을 수상했다. 김대윤 학생은 “Synthesis of Visible LightEmitting GaAs Nanocrystals”을 주제로 포스터 발표 평가에서 호평을 받아 수상의 영예를 안았다. 15th Korea-Japan Symposium onMaterials and Interfaces (15th KJSMI, 2024)는 한국과 일본간의 정기적인 국제학술교류를목적으로 한국화학공학회(KIChE), 일본재료과학회(MSSJ), 도레이첨단소재등 총 9개의 산·학 단체들이 함께 진행했다.

응용화학공학부 김대윤 학생 (석·박사통합과정, 지도교수: 정병국)이 2024년 8월 20-23일제주도 ICC에서 개최된 국제정보디스플레이학술대회 (24thIMID, 2024)에서 “Best Poster Award”을 수상했다. 김대윤 학생은 “Synthesis of GaAs Nanocrystals forVisible Light Emitter”을 주제로 포스터 발표 평가에서 호평을 받아 수상의 영예를 안았다. IMID 2024 국제 학회는 모든 정보 디스플레이 분야에 대해 논의를나누는 목적으로 국제정보디스플레이학회 (SID), 한국정보디스플레이학회 (KIDS), 삼성디스플레이, LG디스플레이 등 총 25개 산·학단체들이 함께 진행했다.

분자열역학 및 첨단공정연구실(지도교수 정용철) 소속 김해원(24학번, 사진) 석사과정생이 11월 15일 고려대 의과대학에서 개최된 ‘제1회 Medical AI 경진대회’에서 ‘대상’을 수상했다.상위 8개 팀 중 현장 발표 점수를 합산해 최종 평가한 이번 대회에서 김해원 학생은 ‘H E 염색된 조직 이미지로부터 유전자 발현 예측’을 주제로 AI 예측 모델 개발과 발표 평가에서 호평을 받아 수상의 영예를 안았다.이번 대회는 의료 데이터를 활용한 인공지능 연구자 역량 강화를 목적으로, 고려대 의료원·의과대학·BK21 융합중개의과학교육연구단과 에스엔에이(SNA), SK쉴더스, 몬드리안 AI, DCP 등 7개 산·학 단체들이 함께 진행했다. 복잡한 의료 데이터를 활용한 AI 기술이 실제 문제 해결에 어떻게 이바지할 수 있는지를 탐구하고, 참가자의 인공지능 역량을 강화해 의료 데이터를 효율적으로 분석하고 원하는 결과 값을 산출할 수 있는 능력을 검증했다.

화공생명공학전공 학생들이 한국화학공학회 주최로 10월 16일 부산 벡스코에서 개최한 ‘2024 Chem Frontier 화학공학 대학생 창의설계 경진대회’에서 금상과 은상 등 다수의 상을 수상했다. 수상작은 아래와 같다. 포스터 심화형 금상 리그닌으로 이어가는 RE:GREEN 생활의 시작 : 장진영, 김효성, 김솔하, 전하늘포스터 일반형 장려상 대나무 흡착제를 이용한 TVSA 공정 시뮬레이션 : DAC를 위한 한걸음 : 정유찬, 방고은, 조현주, 김윤주, 서예은, 최수헌, 최은서, 이시형PPT발표 은상 폐섬유 성분 분리 및 정제 : 박성진, 김현지, 이준승, 장채원, 강채은, 김채은, 이태양, 도이윤PPT발표 동상 차세대 배터리 혁신: PANI기반 건식 전극 개발 : 홍성은, 김예나, 김윤진, 박현태, 강다희, 이해인, 전병희, 이수인 올해 20회를 맞은 본 대회는 전국 화학공학 관련 학과에 재학 중인 대학생을 대상으로 창의적인 아이디어를 실제 응용할 수 있도록 지원하고자 개최되고 있다.

제정호교수가 미국 화학회(American Chemical Society)의 『Energy and Fuels』 저널에서 주는 ‘2024년 Rising Star 연구자’에 선정됐다.『Energy and Fuels』은 미국화학회에서 신재생에너지 및 청정연료 관련 기초과학 및 응용 연구를 다루는 전통적 저널이다. 2021년부터 매년 박사 학위 후 12년 이내의 중견 연구자를 대상으로 관련 에너지 연구 분야에서 새로운 지식 창출 및 기술 진보를 이끄는 영향력 있는 연구업적을 이룬 연구자를 ‘Rising Star 연구자’로 선정하고 있다.올해는 MIT를 비롯한 미국, 유럽, 중국 등에서 수상자를 배출했으며, 국내에서는 제정호 교수가 선정됐다. 제정호 교수는 바이오에너지 및 바이오리파이너리 분야에서 그동안의 연구업적(SCI 150편 및 h-index 55)을 인정받았다.* 수상 발표 링크: https://pubs.acs.org/doi/10.1021/acs.energyfuels.4c04595* 사진: 왼쪽부터 ‘2024년 Rising Star’를 선정·발표한 『Energy and Fuels』 저널 표지와 제정호 교수.

화공생명공학과 분자열역학 첨단공정 연구실의 학부연구생인 이재훈·이택기(20학번) 학생이 11월 4일 수원컨벤션센터에서 열린 ‘삼성 AI 포럼 2024’의 ‘삼성 AI Challenge’에서 ‘PNUCHE’팀으로 장려상(3등)을 수상했다. 수상자들은 11월 5일 삼성 SAIT에서 연구진과 함께 발표 및 피드백 세션을 진행하기도 했다.수상팀은 ‘반도체 소재 시뮬레이션을 위한 정밀하고 신뢰할 수 있는 Machine Learning Force Field(MLFF) 모델 개발’을 목표로 대회에 참여해, 모델의 불확실성(uncertainty)을 정량화하는 데 중점을 둔 성과를 인정받았다. 이 모델은 반도체와 배터리 등 다양한 분야에서 분자 동역학 시뮬레이션의 효율성을 높이는 데 활용될 수 있다.수상 학생들은 정용철 교수가 지도하는 분자열역학 및 첨단공정 연구실(MTAP) 소속으로 활발히 활동 중이다.

응용화학공학부김건우 학생 (석사과정, 지도교수: 정병국)이 교육부와 한국연구재단이 지원하는 ‘2024년 석사과정생 연구장려금지원사업’에 선정됐다. ‘석사과정생 연구장려금지원사업’은 석?박사과정생부터 우수한 박사후 연구자까지 학문후속세대의 성장단계에 따른 연구기회를 제공하여 연구자로서의 성장을 지원하는 이공분야 학술연구지원사업이다. 김건우 학생은 올해 7월부터 1년의연구기간 동안 연간 1200만원을 지원받아 “친환경 양자점안정성 향상을 위한 양자점 고분자 복합화 연구” 개발 연구를 수행할 예정이다. *사진:왼쪽부터 응용화학공학부 김건우 학생, 지도교수 정병국 교수

응용화학공학부 정용철 교수의 분자열역학및첨단공정연구실 소속 김해원(24학번, 연구책임자) 석사과정생과 이택기·이재훈(20학번)·양윤서(21학번) 학부연구생이 과학기술정보통신부와 한국여성과학기술인육성재단에서 주관하는 ‘2024년도 여대학원생 공학연구팀제 지원사업’에 선정됐다.이 사업은 여자 대학원생이 연구책임자가 돼 대학생이나 중·고등학생들과 팀을 이뤄 공학 연구 프로젝트를 수행하는 프로그램이다.선정팀은 4월 22일 사업에 관한 협약을 체결한 후, 800만 원의 연구비를 지원받아 7개월 간 ‘고성능 우수 액체 전해질 선별을 위한 머신러닝 포텐셜(MLP) 개발’ 관련 연구를 수행할 예정이다.* 사진: 왼쪽부터 김해원·이택기·이재훈·양윤서 학생.

부산일보(2024.01.10)발췌나노다공성 신소재 금속-유기골격체(MOF)전산 모델링 20년 연구 총망라 총설 논문 발표부산대학교와 영국·미국 국제 공동연구진이 화학공학 및 신소재 활용 분야에서 나노다공성 소재로 각광 받고 있는 ‘금속-유기골격체(metal-organic frameworks, MOF)’에 대한 20년간의 전산 모델링 기반 연구정보를 분석한 총설 논문을 발표해 다양한 신소재 개발 연구에 활용될 것으로 기대된다.부산대학교(총장 차정인)는 응용화학공학부 정용철 교수 국제 공동연구팀이 ‘전산 모델링 기반 에너지 분야에서의 새로운 금속-유기골격체 발견 연구에 대한 총설’을 에너지 분야 1위 학술지인 『Nature Energy』 1월 9일자에 게재했다고 10일 밝혔다.‘총설 논문’은 여러 주제나 연구 영역에 대한 전반적인 내용을 다루는 논문을 말한다. 특정 분야에 대한 최신 동향, 이론, 연구 방법, 결과 등을 종합적으로 정리하고 제시함으로써 해당 분야에 유용한 정보를 제공한다.최근 들어 신소재 연구 분야에서 전산 모델링 기반 스크리닝, 데이터베이스, 그리고 인공지능(AI) 기술들이 중요한 역할을 하고 있다. 신소재 연구는 새로운 소재의 개발과 성능 향상을 목표로 하는데, 이 과정에서 전산 모델링은 실험적 접근이 힘들거나, 경우의 수가 많을 경우 빠르게 최적의 소재를 발견할 수 있어 핵심적인 역할을 한다. ‘전산 모델링(Computational Modeling)’은 컴퓨터를 사용해 소재나 시스템을 시뮬레이션해 소재의 물성이나 시스템의 성능을 예측하는 데에 활용된다. 이러한 접근 방법은 모델의 정확도에 따라서 실험을 하지 않고도 소재의 성능을 예측하는 데 도움이 되기에 실제 실험을 통한 비용이나 시간을 절약하면서 유용한 정보를 얻을 수 있다.이번 총설은 나노다공성 소재로 각광 받고 있는 금속-유기골격체(metal-organic frameworks, MOF)에 대해 최근 20년간 전산 모델링을 통해 발견된 케이스들을 분석해, AI 및 소재 데이터베이스들의 등장으로 인해 가속화된 신소재 연구를 고찰했다.금속-유기골격체(MOF)는 유기 리간드(organic ligand)와 금속 이온이나 금속 클러스터로 구성돼 망구조를 갖는 나노 다공성 소재다. MOF는 유기 리간드와 금속 원자들 간의 강한 결합으로 자가 조립을 통해 합성되는데, 높은 표면적, 다양한 구조와 특성, 가스 흡착 및 저장, 촉매활성, 광학적 특성 등으로 다양한 산업 응용 분야에서 관심을 받고 있다.특히 MOF는 주로 금속 이온과 유기 리간드의 자가 조립을 통해 합성이 되며, 금속 이온과 유기 리간드의 종류에 따라 이론적으로 수억 개의 소재가 합성 가능하다. 따라서 원하는 분야에 고성능 소재를 찾기 위해서는 많은 노력이 필요하다.정용철 교수는 이번 논문에서 최근 20년간 전산 모델링을 통해 실험 합성 전에 발견된 나노다공성 금속-유기골격체(MOF)들의 타임라인을 소개했다.초창기 전산 모델링을 통한 MOF 발견의 시작은 2000년대 중반 이뤄졌다. 기존 MOF의 메탄가스 저장량을 증진시키기 위해 모델링을 통해 새로운 MOF를 설계했고, 증진된 메탄 저장량을 전산 상으로 확인했다. 이후 2년 뒤 실험 연구 그룹에서 이를 합성하고 실제 측정된 메탄 저장량과 모델링으로 예측한 값이 잘 맞는 것을 확인했다.2010년대 들어와서는 컴퓨터 알고리즘의 발전으로 가상의 MOF 구조 데이터베이스, 실험으로 합성된 MOF 데이터베이스와 같은 다양한 데이터베이스들이 등장했다. 이 중 2014년 공개됐고 2019년에 업데이트된 CoRE MOF 데이터베이스는 실험으로 합성된 MOF 구조들을 모아둔 데이터베이스로 1만 4천여 개의 MOF 구조정보를 갖고 있다.이러한 데이터베이스들의 등장 후 다양한 기체 저장 및 분리 분야에 고성능 소재 스크리닝 연구들이 수행됐다. 예를 들어 2018년에는 기존에 알려진 IRMOF-20이라는 소재가 저온 수소저장 물질 중 성능이 가장 우수하다는 것을 전산으로 발견하고, 이를 다시 실험으로 검증했다.2022년 정용철 교수 연구팀은 고려대 화학과 홍창섭 교수 연구팀과 공동연구를 통해 산업적으로 유용한 올레핀/파라핀 흡착 분리에 대한 연구를 수행했고, 그 결과를 『Advanced Science』에 게재하기도 했다.이번 총설 논문을 발표한 정용철 교수는 2014년부터 나노다공성 MOF 데이터베이스인 CoRE MOF database를 구축했고, 관련 연구를 지속적으로 수행하고 있다. 부산대 재직 중인 2019년에는 『Journal of Chemical Engineering Data』에 관련 논문을 게재했고, 이 논문은 현재까지 피인용 430번(구글 스칼라 기준) 되는 등 관련 연구 커뮤니티에서 많은 주목을 받고 있다. 이 데이터베이스는 이미 합성된 1만 4천여 개의 MOF 구조정보가 담겨 있다.정용철 교수는 “전산 모델링 연구, 데이터베이스, 그리고 인공지능 (AI)을 바탕으로 화학공학 및 신소재 분야에 쓰이는 다양한 소재들의 성능을 빠르게 평가하는 연구는 지속적으로 이어지고 있으며, 이러한 연구를 통해 에너지, 환경 문제 해결을 위한 신소재 개발 연구가 더 가속화될 것으로 생각한다”고 말했다.이번 연구는 한국연구재단 우수신진연구, C1리파이너리 사업의 지원을 받았으며, 부산대 정용철 교수가 공동 제1저자, 영국 UC런던(University College London)의 페이만 모가담(Peyman Z. Moghadam) 교수와 미국 노스웨스턴대학교(Northwestern University) 랜달 스너(Randall Q. Snurr) 교수의 공동연구로 진행됐다. 해당 연구는 ‘전산 모델링 기반 에너지 분야에서의 새로운 금속-유기골격체 발견 연구에 대한 총설(Progress toward the computational discovery of new metal?organic framework adsorbents for energy applications)’ 논문으로 『Nature Energy』 1월 9일자에 게재됐다.