목차
실험으로 본 원자 구조, 시뮬레이션으로 찾은 이유
소재 연구에서는 때로 아주 작은 차이가 큰 결과를 만듭니다. 원자 하나가 어디에 자리 잡았는지, 산소가 어떻게 움직이는지, 특정 도펀트가 왜 안정성을 높이는지에 따라 소재의 성능과 내구성은 완전히 달라질 수 있습니다.
그렇다면 연구자는 이 보이지 않는 세계를 어떻게 이해할 수 있을까요?
현미경으로 원자 단위 구조를 관찰하고, 계산 시뮬레이션으로 그 이유를 해석하는 것.
바로 이 지점에서 BIOVIA Materials Studio와 같은 소재 시뮬레이션 솔루션의 가치가 드러납니다.
이번 인터뷰에서는 KAIST 신소재공학과 정성윤 교수님을 만나, 연구실에서 Materials Studio를 어떻게 활용하고 있는지, 처음 어떤 계기로 도입하게 되었는지, 그리고 소재 연구자에게 분자모델링과 시뮬레이션이 어떤 의미를 갖는지 들어보았습니다.
Q1. 교수님과 교수님 연구실에 대해 간략하게 소개 부탁드립니다.
저는 KAIST 신소재공학과에서 근무하고 있는 정성윤입니다. 저희 그룹은 산화물 소재의 원자 단위 구조와 화학 결합이 거시적인 물성 및 전기화학 특성을 어떻게 결정하는지를 규명하는 연구를 하고 있습니다. 현재 연구실에는 약 10명의 대학원생이 함께 일하고 있습니다.
핵심 실험 기법은 수차보정 STEM을 기반으로 한 원자 컬럼 단위의 직접 관찰입니다. HAADF 이미징, 원자 단위 EDS·EELS 분석 등을 통해 도펀트의 site-specific ordering, 결정립계 편석, 격자 산소 거동 같은 현상을 눈으로 확인하고 있습니다.
최근에는 이러한 원자 단위 통찰을 산성 수전해, 즉 PEM용 산소 발생 반응(OER) 전극촉매의 내구성 문제에 적용하고 있습니다. 이리듐과 루테늄 산화물의 용출 메커니즘을 억제하면서 단일상 결정을 제조할 수 있는 설계 원리를 찾는 데 집중하고 있습니다.
Q2. Materials Studio를 처음 접하고 선택하게 된 계기는 무엇인가요?
Materials Studio는 2008년 학회 홍보 부스에서 처음 접하게 되었습니다. 이후 2009년 인하대학교에 재직하던 당시 본격적으로 구매를 결정하게 되었습니다.
당시 가격적인 측면에서는 V***와 같은 경쟁 제품도 심각하게 고려하였습니다. 그러나 V***는 상대적으로 진입장벽이 높고, 기술지원 측면에서 어려움이 있을 수 있다고 판단했습니다.
반면 Materials Studio는 사용 접근성이 좋고, 인실리코에서 구매 전 컨설팅과 모듈 교육을 체계적으로 지원해 주셔서 연구실에 안정적으로 도입할 수 있었습니다.
아울러 꾸준한 기술지원과 업데이트 덕분에 그때부터 지금까지 Materials Studio를 꾸준히 활용하고 있습니다.
시뮬레이션을 통해 분석한 Density of State 및 Energy bands로, RuO2의 degradation에 대해 전자구조 관점에서 설명한다.
Q3. 교수님 연구에서 시뮬레이션은 어떻게 이용되고, 어떤 가치가 있나요?
저희 연구에서 시뮬레이션은 “현미경으로 본 구조”와 “왜 그렇게 거동하는가”를 잇는 다리 역할을 합니다.
STEM으로 도펀트의 위치나 격자의 붕괴 여부를 확인하더라도, 그 배경에 있는 전자구조와 결합 특성은 실험만으로 직접 보기 어렵습니다. 그래서 CASTEP을 이용한 DFT 계산으로 상태밀도, 즉 DOS, 전자밀도 분포, 금속–산소 결합의 공유결합성 및 이온결합성을 정량적으로 분석하고 있습니다.
또한 ab initio 분자동역학, 즉 AIMD를 활용해 Ba나 양이온이 용출된 뒤의 준결정질 구조가 실제로 어떻게 거동하는지를 시간에 따라 추적합니다.
이 접근의 가치는 단순한 검증을 넘어 설계 지침을 제공한다는 데 있습니다. 예를 들어 d⁰ 양이온인 Nb⁵⁺, Ta⁵⁺가 페르미 준위 근처의 O 2p 상태를 낮추어 격자 산소의 산화와 이탈을 억제한다는 결론은, DFT의 DOS 해석과 ¹⁸O 동위원소 추적 실험이 정확히 일치했기에 확신을 가질 수 있었습니다.
실험과 계산이 서로의 해상도 한계를 메워주는 셈입니다.
Q4. Materials Studio의 장점과 단점을 하나씩 꼽아주신다면요?
장점은 Materials Studio가 자기학습이 가능하고 GUI가 잘 구성되어 있어서 직관적이라는 점입니다. 그리고 제가 주로 사용하는 CASTEP은 계산 신뢰성이 높아 논문을 출간하는 데 거의 문제가 없었습니다.
단점은 다른 모델링 및 시뮬레이션 툴을 사용하는 환경을 그대로 모사하기에는 살짝 어려움이 있다는 점입니다.
(Ru₀.₈M₀.₂)O₂ solid solution 나노결정의 STEM-EDS 분석
Q5. Materials Studio를 활용한 대표 연구 사례를 소개해주실 수 있을까요?
최근 Energy & Environmental Science에 발표한 RuO₂ 관련 논문을 소개하고 싶습니다.
이 연구의 출발점은 오래된 의문이었습니다. Hume-Rothery 법칙에 따르면 RuO₂에 다른 양이온이 녹아 들어가는 정도, 즉 고용도는 매우 제한적이어야 합니다. 그런데 최근 문헌에서는 서로 모순되는 고용 보고가 나오고 있었습니다.
저희는 여기서 결정 크기라는 잊혀진 변수에 주목했습니다. 결정 크기를 10 nm 이하로 줄이면 나노입자 표면의 거대한 Laplace 압력이 상평형을 바꾸어, 벌크에서 수 %에 불과하던 고용도가 20종의 양이온에 걸쳐 20 at% 이상으로 보편적으로 증가함을 보였습니다.
더 중요한 의미는, 모든 시료를 동일한 단상 나노결정으로 합성함으로써 처음으로 20종 도펀트의 안정성을 공정하게 비교할 수 있게 되었다는 점입니다.
그 결과 Ta, Nb, Sb 등이 내구성 향상에 특히 효과적임을 확인했고, CASTEP 계산을 통해 그 이유를 전자구조적으로 설명할 수 있었습니다. d⁰ 양이온인 Ta⁵⁺와 d¹⁰ 양이온인 Sb⁵⁺가 O 2p 상태를 안정화해 격자 산소의 활성화를 억제한다는 기원을 명확히 제시한 것입니다.
Q6. 앞으로 AI를 연구에 활용한다면 어떤 분야에 관심이 있으신가요?
가장 관심 있는 분야는 머신러닝 원자간 퍼텐셜, 즉 MLIP를 활용한 대규모·장시간 AIMD입니다.
현재 DFT 기반 AIMD는 정확하지만 계산 비용이 높기 때문에 다룰 수 있는 supercell 크기와 시뮬레이션 시간이 제한적입니다. 저희가 관심을 갖고 있는 용출 후 준결정질화나 표면 재구성 같은 현상은 본질적으로 더 큰 계와 더 긴 시간 스케일을 요구합니다.
따라서 DFT 정확도를 학습한 머신러닝 퍼텐셜을 활용하면, 실험에서 관찰한 비정질화와 재배열 거동을 훨씬 현실적으로 재현할 수 있을 것으로 기대하고 있습니다.
두 번째 관심 분야는 다성분 고용체의 조성–안정성 탐색을 가속하는 머신러닝입니다. 단일 원소 도핑만으로도 다양한 결과가 나타나는데, 여러 원소를 조합하는 단계로 넘어가면 조성 공간이 폭발적으로 커집니다.
이때 실험 및 계산 데이터를 학습한 모델로 유망한 조성을 선별하고, 이후 STEM 및 전기화학 실험으로 검증하는 closed-loop 방식은 다음 단계의 촉매 설계에 큰 가치를 가질 수 있습니다.
Q7. 분자모델링과 시뮬레이션 도입을 고민하는 연구자에게 조언해주신다면요?
가장 먼저 고려할 것은 “내가 풀고 싶은 질문이 무엇인가”입니다.
시뮬레이션을 목적이 아니라 도구로 보는 관점이 중요합니다. 계산은 만능 예측기가 아니라, 실험에서 마주친 구체적인 의문에 답을 줄 때 가장 큰 힘을 발휘합니다.
예를 들어 “왜 이 도펀트만 용출되지 않는가”, “이 결합은 왜 깨지지 않는가”와 같은 질문입니다. 실험과 계산이 같은 현상을 다른 각도에서 가리킬 때 비로소 결론에 확신이 생깁니다.
처음 시작하는 연구자라면 모든 것을 계산으로 해결하려 하기보다, 잘 정의된 작은 질문 하나를 실험 데이터와 짝지어 검증해보는 것이 좋습니다.
또한 CASTEP과 Materials Studio처럼 GUI 기반으로 진입 장벽이 낮은 환경에서 시작하면 계산 자체보다 결과의 물리적 해석에 더 빨리 집중할 수 있습니다.
저 역시 지난 10여 년간 이 도구를 사용하면서, 결국 중요한 것은 계산을 얼마나 잘 수행하느냐보다 그 결과를 실험과 어떻게 연결하고, 하나의 연구 이야기로 만들어내느냐라는 점을 느꼈습니다.
좋은 시뮬레이션은 좋은 질문에서 시작됩니다!
“내가 풀고 싶은 질문이 무엇인가”
이번 인터뷰의 핵심은 이 한 문장으로 정리할 수 있습니다. Materials Studio와 같은 시뮬레이션 솔루션은 단순히 계산을 수행하는 프로그램이 아니라, 연구자가 가진 질문을 더 명확히 하고 실험으로 확인한 현상의 이유를 해석하도록 돕는 도구입니다.
정성윤 교수님의 연구처럼 원자 구조와 전자구조가 소재 성능에 직접적으로 연결되는 분야에서는 실험만으로 모든 것을 설명하기 어렵습니다. 이때 CASTEP 기반 DFT 계산은 실험 결과를 뒷받침하는 수준을 넘어, 연구의 설득력을 높이고 소재 설계 방향을 제시하는 역할을 합니다.
Materials Studio는 GUI 기반의 직관적인 환경과 기술지원 경험을 통해 연구자가 계산 설정 자체보다 결과의 물리적 의미와 연구 질문에 더 집중할 수 있도록 돕습니다. 특히 분자모델링과 시뮬레이션을 처음 도입하는 연구실이라면, 사용 접근성과 안정적인 지원은 중요한 선택 기준이 될 수 있습니다.
대표 연구 사례에서도 실험–계산 연계의 힘은 분명하게 드러납니다. 연구자는 실험을 통해 “무엇이 일어났는지”를 확인하고, 계산을 통해 “왜 그런 일이 일어났는지”를 설명하며, 다시 다음 실험과 소재 설계로 나아갈 수 있습니다. 앞으로는 여기에 AI와 머신러닝 기반 접근이 더해지며, 더 큰 규모와 더 긴 시간의 소재 거동까지 탐색할 수 있는 가능성도 열리고 있습니다.
결국 중요한 것은 연구자가 가진 질문을 실험과 계산이라는 두 개의 렌즈로 함께 바라보고, 그 결과를 하나의 연구 이야기로 연결하는 것입니다. 그 과정에서 BIOVIA Materials Studio는 연구자의 시야를 넓혀주는 든든한 파트너가 될 수 있습니다.
더욱 자세한 BIOVIA Materials Studio의 정보가 궁금하시다면, 아래의 연락처 또는 문의하기를 클릭해 연락 부탁드립니다.
