딱 1단계면 끝! … UNIST, 수소 생산 공정 예측 모델 개발

기존 3단계서 1단계로, 정확도 99.9％ 유사

울산과학기술원 임한권 에너지화학공학과 교수팀이 머신러닝을 접목한 수소 생산 공정 성능 예측 모델을 개발했다. (왼쪽부터 임한권 교수, 천승현 연구원, 변만희 연구원, 최창권 연구원)

[아시아경제 영남취재본부 이세령 기자] 시뮬레이션 기술에 인공지능을 접목해 수소 생산 공정의 성능을 종합적으로 예측하고 평가하는 모델이 나왔다.

지을 건축물을 3D 시뮬레이션해 보는 것처럼 대형 화학 공장을 지을 때도 시뮬레이션 프로그램으로 공정을 돌려볼 수 있게 됐다.

울산과학기술원(UNIST) 임한권 에너지화학공학과 교수팀은 인공지능의 한 분야인 머신러닝을 접목한 예측 모델을 개발했다.

이 모델은 수율과 같은 기술적 성능은 물론 생산 비용, 이산화탄소 배출량 등을 한 번에 예측할 수 있다.

기존에는 3단계의 복잡한 과정을 거쳐 성능을 추측했으나 연구팀이 개발된 모델로 차세대 수소 생산 공정의 성능을 평가하니 3단계 평가 방식과 최대 99.9％ 유사한 결과를 얻을 수 있었다.

본 연구에서 고안된 머신러닝 기반 회귀 예측 모델 개략도.

연구팀은 이 예측 모델을 새로 설계한 메탄올 습식 개질 공정의 성능 평가에 활용했다.

메탄올 습식 개질은 고온에서 메탄올을 수증기와 반응시켜 수소를 얻는 방법으로 현재 널리 활용하는 증기 메탄 개질 방식보다 이산화탄소 배출량이 적다.

메탄올 습식 개질 공정은 이산화탄소 배출과 에너지 소모가 적지만 수소를 따로 분리해 내는 정제 공정이 추가로 필요하다.

연구팀은 이를 해결하고자 수소 투과 분리막을 집적한 새로운 공정을 설계한 뒤 공정의 성능을 예측 모델로 살펴봤다.

각 인자를 변화시켰을 때 해당 공정의 수소 생산 성능 분포도.

먼저 상용 화학 공정 시뮬레이션 프로그램으로 개선된 공정을 설계한 뒤 이 공정을 수치 해석 프로그램에 수식으로 반영했으며 얻은 데이터를 바탕으로 머신러닝 기반 회귀 알고리즘을 이용해 예측 모델을 완성했다.

예측 모델로 반응 온도, 인건비 등의 12가지의 기술·경제적 인자를 변화시키며 설계된 공정을 평가했다.

해당 공정의 수소 생산량과 이산화탄소 배출량은 시간당 각각 4.52~5.99㎏, 4.13~6.62㎏이었으며 수소 생산 비용은 1㎏당 4.31~13.15달러로 나타났다.

기존의 3단계 방식으로 평가한 결과와 비교했을 때 예측 정확도는 각각 99％, 99.9％, 96％로 나타났다.

이번 연구는 과학기술정보통신부 재원의 한국연구재단(NRF) 수소에너지혁신기술개발사업과 기후변화대응기술개발사업의 지원을 받아 이뤄졌으며 국제 학술지 케미컬 엔지니어링 저널(Chemical Engineering Journal)에 지난해 12월 게재됐다.

제1 저자인 변만희 연구원은 “이번 연구로 12가지의 기술·경제적인 인자 중 반응기 수, 반응 온도, 메탄올 원료 가격, 인건비가 해당 공정의 성능에서 가장 중요하단 사실을 밝혀냈다”며 “해당 인자들을 공정 운영의 목적에 맞게 조정하면 더욱 효과적인 수소 생산 공정이 만들어질 것”이라고 말했다.

임한권 교수는 “최근 소재나 약품 개발 등에 인공지능, 머신러닝 기술을 접목한 사례는 많으나 거시적 화학 공정 기술에 적용한 경우는 드물다”며 “축적될 공정 운전 데이터를 활용하면 해당 모델의 예측 정확도가 더 높아질 것”이라고 말했다.

영남취재본부 이세령 기자 ryeong@asiae.co.kr