ML 반응망 탐색으로 Cu 촉매 CO2 수소화 경로를 대규모 확장

1/ AI 활용 방법: 반응/반응물 fingerprint 기반 머신러닝 활성화 에너지 예측
2/ 적용 과제: Cu 촉매 CO2 수소화 반응의 활성화 장벽 예측과 반응망 탐색
3/ 보고된 결과: 9,389개 elementary reaction 규모의 미세동역학 모델을 구성하고, 수작업 152개 반응 모델보다 CO2 전환율을 최대 40배 높게 예측
4/ 이 연구는 Cu 촉매의 CO2 수소화 반응을 대상으로, 반응과 반응물의 fingerprint를 이용한 ML 모델로 활성화 에너지를 예측하고 반응 네트워크 탐색과 자동 미세동역학(MKM)을 결합해 반응망을 대규모로 확장했다.
5/ 결과적으로 9,389개의 elementary reaction을 포함하는 네트워크를 구성했고, 이 모델은 수작업으로 고른 152개 반응 기반 모델보다 CO2 전환율을 최대 40배 높게 예측했다.
6/ 또한 메탄올과 CO 생성 경로, 그리고 분자간 hydrogen-hopping이 반응 경로 이해에 중요하다고 보고했다.
7/ 재료 관점에서는 복잡한 촉매 반응망에서 제한된 반응 세트보다 데이터 기반 반응망 확장이 거시적 예측과 메커니즘 해석을 바꿀 수 있음을 보여준다.
8/ 다만 이 결과는 특정 Cu-CO2 수소화 시스템과 보고된 네트워크 구성에 근거한 것으로, 다른 촉매나 조건에 그대로 일반화된다고 볼 수는 없다. [1][2]