습한 환경에서의 방사성 요오드 포집을 위한 혁신적인 MOF 소재 스크리닝 기술

Tan, Teng, Shan 등 연구진은 고처리량 컴퓨팅과 머신러닝을 활용하여 1816개의 MOF 물질에 대한 요오드 흡착 성능을 예측하는 모델을 개발하고, 6원환 구조와 질소 원자의 중요성을 밝혔습니다. 이는 핵폐기물 관리 및 원전 안전에 기여할 혁신적인 연구 결과입니다.

핵폐기물 관리 및 원전 사고 방지에 있어 방사성 요오드 동위원소 제거는 매우 중요한 과제입니다. 특히 습한 환경에서의 효과적인 제거 기술 개발이 시급한 상황입니다. Tan, Teng, Shan 등 연구진은 이러한 문제 해결을 위해 고처리량 컴퓨팅과 머신러닝을 결합한 획기적인 연구 결과를 발표했습니다.

그들의 연구는 무려 1816개의 금속-유기 골격체(MOF) 물질을 대상으로 습한 공기 조건에서의 요오드 포집 성능을 분석했습니다. 단순히 데이터를 나열하는 대신, MOF의 구조적 특징과 요오드 흡착 성능 간의 상관관계를 심층적으로 탐구하여 최적의 구조적 파라미터를 찾아내는 데 집중했습니다.

연구진은 Random Forest와 CatBoost라는 두 가지 머신러닝 회귀 알고리즘을 활용하여 MOF의 요오드 흡착 능력을 예측하는 모델을 개발했습니다. 단순히 구조적 특징만 고려하지 않고, 6가지 구조적 특징 외에도 25가지 분자적 특징과 8가지 화학적 특징을 추가하여 예측 정확도를 높였습니다. 특히, 헨리 계수와 흡착열이 요오드 흡착 성능에 가장 큰 영향을 미치는 화학적 요소임을 밝혀냈습니다.

더 나아가, 연구진은 네 가지 유형의 분자 지문(molecular fingerprint)을 도입하여 MOF 물질의 구조 정보를 더욱 포괄적으로 분석했습니다. 그 결과, 6원환 구조와 질소 원자의 존재가 요오드 흡착 성능 향상에 중요한 구조적 요소임을 밝혀냈으며, 산소 원자의 존재 역시 긍정적인 영향을 미치는 것으로 나타났습니다. 이는 곧, 특정 구조적 특징을 가진 MOF 물질을 설계하여 요오드 포집 효율을 극대화할 수 있다는 것을 시사합니다.

이 연구는 고처리량 컴퓨팅, 머신러닝, 분자 지문 분석을 통합하여 MOF의 요오드 흡착 성능에 영향을 미치는 다양한 요소들을 종합적으로 규명했습니다. 이를 통해, 향상된 MOF 소재 스크리닝 및 구조 설계를 위한 심도있는 지침을 제공하며, 핵폐기물 관리 및 원전 안전 분야에 큰 기여를 할 것으로 기대됩니다. 이는 단순한 기술 개발을 넘어, 안전하고 지속 가능한 미래를 위한 중요한 발걸음입니다.