Caramel LabCaramel Lab
#

산소 환원 반응

2의 한국어 분석 — 최신순으로 정렬했어요

재료공학발표 2026.09· 0

K₂NiF₄형 PCFC 음극 성능 향상 전략

양성자 세라믹 연료전지(PCFC)의 산소 환원 반응(ORR) 속도 개선을 위해 전이 금속 d-밴드 중심 및 금속-산소 오비탈 정렬 조절이 유망한 접근법으로 제시됩니다. 본 연구에서는 K₂NiF₄형 La₀.₅Sr₁.₅MnO₄₊δ(LSMO) 및 La₀.₅Sr₁.₅FeO₄₊δ(LSFO) 음극을 비교 분석하여 전자 구조 조절이 산소 결함 화학, 산소/양성자 수송, 그리고 양성자 관련 ORR 활성에 미치는 영향을 규명했습니다. 밀도범함수 이론(DFT) 계산 결과, LSFO는 LSMO와 유사한 일함수를 가지지만, Fe 3d-O 2p 오비탈의 에너지 정렬이 더 유리한 것으로 나타났습니다. 이러한 전자 구조는 산소 공공 형성 에너지 장벽을 낮추고, 수화 관련 양성자 흡수를 촉진하며, 양성자 호핑 장벽 및 주요 ORR 중간체의 자유 에너지 장벽을 감소시키는 효과를 가져옵니다. 실험적으로 LSFO는 풍부한 산소 공공 관련 표면 산소종, 훨씬 높은 전자 전도도, 그리고 가속화된 산소/양성자 표면 교환 및 확산 특성을 보였습니다. PO₂/PH₂O 의존성 전기화학 임피던스 스펙트럼은 LSFO가 계면 전하/양성자 전달, 산소 환원, 표면 산소 수송 등 다양한 p-ORR 하위 과정을 촉진함을 확인시켜주었습니다. 최적화된 LSFO 음극은 700°C에서 2.2 W cm⁻²의 최고 출력 밀도와 0.04 Ω cm²의 낮은 분극 저항을 달성하여 LSMO 및 기존 R-P형 음극들을 능가했습니다. 또한, LSFO 전지는 400시간 이상 안정적인 작동을 보였습니다. 이 결과들은 d-밴드 중심과 d-p 오비탈 정렬의 통합적 조절이 고성능 K₂NiF₄형 PCFC 음극 설계에 효과적인 전략임을 입증합니다.

재료공학발표 2026.09· 0

다중 에이전트 LLM 기반 단일 원자 촉매 설계

대규모 언어 모델(LLM)은 자연어 처리 외에도 복잡한 과학 문제 해결에 활용되며, 기존 기계 학습 방식과 달리 추론 및 맥락 학습 능력을 통해 재료 발견 분야에 새로운 패러다임을 제시하고 있습니다. 본 연구는 산소 환원 반응을 위한 고성능 단일 원자 촉매를 발견하기 위해 다중 에이전트 기반 추론 및 최적화를 통한 전기 촉매 탐색(MAESTRO) 프레임워크를 제안합니다. MAESTRO는 전문화된 역할을 가진 여러 LLM이 협력하여 자율적인 설계 루프 내에서 작동합니다. 각 에이전트는 반복적으로 추론하고, 촉매 수정안을 제안하며, 결과를 반영하고, 설계 이력을 축적합니다. 이 반복적인 과정을 통해 맥락 학습이 가능해집니다. 이러한 과정을 통해 MAESTRO는 LLM의 배경 지식에 명시적으로 인코딩되지 않은 설계 원리를 식별했으며, 반응 중간체 간의 기존 스케일링 관계를 깨뜨리는 촉매를 성공적으로 발견했습니다. 이는 다중 에이전트 LLM 프레임워크가 화학적 통찰력을 생성하고 유망한 촉매를 발견하는 강력한 전략임을 보여줍니다. 본 연구 결과는 재료 과학 분야에서 다중 에이전트 LLM 프레임워크의 잠재력을 강조하며, 새로운 촉매 설계 및 발견을 위한 효율적인 접근 방식을 제시합니다.

연구 트렌드로 돌아가기