가톨릭대학교 바이오메디컬화학공학과·인공지능학과 김준영 교수 연구팀이 인공지능(AI)으로 폐기물과 바이오매스의 수소·에너지 생산을 위한 최적 운전조건을 도출하고, 이를 실제 폐마스크 가스화 실험으로 검증했다고 13일 밝혔다.

연구 결과는 에너지 분야 국제학술지 에너지(Energy)에 6일 온라인 게재됐다.
 
연구팀은 국제 학술문헌 100편에 수록된 가스화 실험 데이터 1002건을 분석하고, 원료의 특성에 따라 데이터를 3개 군집으로 분류했다. 이후 각 군집에 적합한 AI 예측모델을 구축해 수소·메탄 등 합성가스의 조성과 생산 성능을 예측했다. 원료 및 반응기 종류에 따른 최적 운전조건도 도출했다.
 
연구팀은 AI가 제시한 최적 운전조건을 실제 기포유동층 가스화기에 적용해 폐마스크 가스화 실험을 진행했다. 그 결과 수소와 메탄의 AI 예측값과 실제 측정값 간 상대편차는 각각 7.38%, 2.46%로 나타났다. 연구팀은 이를 통해 예측 성능을 실험적으로 확인했다고 설명했다.
 
연구팀에 따르면 폐기물과 바이오매스는 수소와 가연성 합성가스를 생산할 수 있는 에너지 자원이지만, 원료마다 성분과 특성이 달라 효율적인 생산조건을 찾기 어렵다. 기존에는 적절한 반응온도와 공기 공급량을 정하기 위해 반복 실험이 필요했고, AI 예측모델도 다양한 원료의 특성을 충분히 반영하는 데 어려움이 있었다.
 
연구팀은 이번 성과가 폐기물과 바이오매스의 에너지화 공정에서 반복 실험에 따른 시간과 비용을 줄이고, 수소·합성가스 생산공정의 효율을 높이는 데 활용될 것으로 기대했다.
 
김준영 교수는 “AI가 폐기물의 특성에 맞는 최적 운전조건을 도출하고, 이를 실제 유동층 반응기 실험으로 검증했다는 점에서 의미가 있다”며 “앞으로 다양한 환경·에너지 공정으로 기술을 확대하고, AI가 운전조건을 스스로 결정하고 제어하는 자율형 화학공정 시스템으로 발전시켜 나갈 계획”이라고 밝혔다.
 
김 교수는 교신저자로 연구를 총괄했으며, 가톨릭대 인공지능학과 김유진 연구원이 제1저자로 참여했다. 성균관대 남지영 연구원과 한국교통대 김성원 교수도 공동연구자로 참여했다.
 
논문 제목은 ‘Feedstock-clustered optimization of waste and biomass gasification via compositionally constrained syngas modeling and experimental demonstration’이다.