능동학습 기법을 이용한 CO2의 올레핀 전환용 촉매 조성 최적화 = Active learning-aided catalyst screening for direct conversion of CO2 into olefin

국문 초록 (Abstract)

현대 사회에서 탄소중립 같은 경우에는 갈수록 CO2 배출량이 증가하고
있어서 탄소를 포집하고, 활용하고, 저장하는 기술에 대한 연구가 활발하게
진행되고 있다. 탄소가 많이 배출되는 산업을 대상으로 실행해야 하는데
산업별 에너지사용량이나, 온실가스 배출량의 상위권이 정유산업이다.
정유산업에서의 탄소중립은 현재 시급한 문제로 남아있다.
정유산업에서 CO2가 배출되는 공정에는 크게 상압증류공정,
접촉분해공정, 수소생산공정 3가지가 있다. 이 공정들 중 수소생산공정의 CO2
배출량이 가장 많다. 수소생산공정은 정유 제품의 품질 향상을 위한 수소화
처리에 필요한 수소를 생산하기 위해 이뤄지며, 주로 SMR 공정이
상용화되어 있다. SMR 공정을 통해 CO와 H2로 이루어진 syngas를
생산하면서 부산물로 CO2가 함께 배출된다. 그렇기 때문에 이러한 원하지
않는 부산물인 CO2의 배출을 방지하거나 다른 제품으로 전환하는 노력이
활발하게 이뤄지고 있다.
본 연구에서는 수소생산공정에서 발생하는 CO2를 활용해 올레핀을
합성하는 SMR 공정을 개발해 CO2 배출을 저감해 탄소중립을 실현함과
동시에 올레핀의 원료로 사용되는 납사의 의존도도 함께 낮추고자 하였다.
또한 CO2를 원료로 올레핀을 만들기 위한 반응으로 RWGS 및 FTS 두 가지
반응을 이용하였다.
RWGS 및 FTS 두 가지 반응을 모두 유도하기 위해서는 촉매의 설계가
중요하다. 기존에 보고된 문헌을 기반으로 RWGS 및 FTS 반응 모두에
유리한 Fe을 주 원소로 선정하고 첨가 원소로 Cu, 지지체로 Al, 그리고

조촉매로 Na을 선정하였다. 이러한 다양한 성분을 갖는 촉매의 조성비를
최적화하기 위해 active learning 기법을 적용하였다. Active learning은 먼저
초기 데이터를 가지고 모델을 학습시킨 후, 예측값 및 불확실성이 높은
조성비를 중심으로 추가 학습을 진행해 모델을 최적화하는 기법으로,
일반적인 기계학습과 다르게 적은 데이터로 예측 모델의 정확도를 향상시킬
수 있는 장점을 갖는다.
Active learning에 필요한 다양한 조성비를 갖는 촉매들은 다양한
전구체들의 기계적 혼합 및 열분해를 이용해 합성되었으며, 합성된 촉매들은
9채널 고정층 반응기에서 35 시간 이상 RWGS 및 FTS 반응을 진행한 후
배출되는 CO2, CO, H2 및 C1~C5를 가스 크로마토그래피로 측정해 데이터를
얻었다.
총 27가지 조성비를 갖는 촉매들의 active learning을 수행하였으며, CO2
전환 및올레핀 생산 관점에서 높은 CO2 전환율, 낮은 C1 선택도, 높은 C2-
C4
= 선택도 및 높은 O/P ratio가 요구되나, active learning 결과, CO2
전환율이 높은 조성비에서는 C1 선택도, C2-C4
= 선택도, O/P ratio가 낮은
경향을 나타내었다. 이는 결국 CO2 전환율 및 C1 선택도와 C2-C4
= 선택도
및 O/P ratio는 서로 trade-off 관계인 것으로 확인되었다.

목차 (Table of Contents)

• 제 1장 서론 1
• 1.1. CO2 전환 연구의 배경 및 필요성 1
• 1.1.1. 올레핀 생성을 위한 CO2 전환 4
• 1.1.2. CO2 전환 기술의 종류 6
• 1.2. 촉매를 활용한 CO2 전환 8
• 1.2.1. 촉매의 종류, 구성 및 역할. 8
• 1.2.2. 촉매역할에 따른 후보군 검토 9
• 1.3. 촉매 조성의 최적화 12
• 1.3.1. 능동학습의 개념 12
• 1.3.2. 가우시안 프로세스 회귀. 13
• 1.3.3. 촉매 조성 최적화를 위한 능동학습의 적용 14
• 제 2장 연구 방법 17
• 2.1. 실험 방법. 17
• 2.1.1. 실험 재료 선정. 17
• 2.1.2. 촉매의 조성비 선정 18
• 2.1.3. 촉매 전구체의 균등한 혼합을 위한 합성 19
• 2.1.4. 촉매 비표면적 증가 및 조촉매 전구체 열분해 방법. 20
• 2.1.5. 촉매 형태 및 특성 평가 방법. 22
• 제 3장 연구 결과 및 고찰 24
• 3.1. 합성된 촉매의 조성비, 특성 및 예측값, 불확실성값 분석 24
• 3.1.1. 이상적인 촉매 조성비 혼합 확인 24
• 3.1.2. 1차 데이터 촉매 특성 평가 결과 확인 29
• 3.1.3. 2차 데이터 촉매 특성 평가 결과 확인 36
• 3.1.4. 3차 데이터 촉매 특성 평가 결과 확인 42
• 제 4장 결론 51
• 제 5장 참고문헌. 52
• Abstract 62