PSI 연구팀, AI 활용 저탄소 시멘트 조성 개발

시멘트 산업은 전 세계의 약 8%에 해당하는 이산화탄소(CO2) 배출량을 생산하며, 이는 전 세계 항공 부문보다 더 많은 비율이다. 폴 쉬레리 연구소(PSI)의 연구원들은 AI 기반 모델을 개발하여, 같은 물질 품질을 유지하면서 탄소 발자국이 적은 새로운 시멘트 제조법을 빠르게 발견할 수 있도록 도와준다. 시멘트 공장의 회전로는 섭씨 1,400도까지 가열되어 석회석을 클링커로 연소시키는데, 클링커는 사용 가능한 시멘트의 원료다. 이처럼 높은 온도는 전기만으로 달성하기 어렵기 때문에, 에너지 집약적인 연소 과정에서 대량의 CO2가 배출된다. 하지만 놀랍게도, 이 연소 과정이 배출하는 CO2는 전체 배출량의 절반 미만을 차지한다. 대부분의 CO2는 석회석 내부에 화학적으로 결합되어 있으며, 고온의 회전로에서 변형되는 동안 방출된다. CO2 배출량을 줄이는 한 가지 유망한 전략은 시멘트 제조법 자체를 수정하는 것이다. 즉, 일부 클링커를 대체 시멘트 재료로 교체하는 것이다. PSI의 핵공학 및 과학 센터 폐기물 관리 연구실에서 다학제적 연구팀이 이 문제를 연구하고 있다. 연구팀은 실험이나 복잡한 시뮬레이션에만 의존하지 않고, 머신 러닝 기반의 모델링 접근 방식을 개발했다. “이 방법을 통해 시멘트 제조법을 시뮬레이션하고 최적화하여, CO2 배출량을 크게 줄이면서도 같은 수준의 기계적 성능을 유지할 수 있습니다,” 연구의 첫 저자인 수학자 로마나 보이거(Romana Boiger)는 설명한다. “수천 가지 변형을 실험실에서 테스트하는 대신, 우리의 모델을 사용하면 몇 초 안에 실용적인 제조법 제안을 얻을 수 있습니다. 마치 기후 친화적인 시멘트를 위한 디지털 조리법책과 같습니다.” 운송 메커니즘 연구그룹의 책임자인 니콜라오스 프라시아나키스(Nikolaos Prasianakis)는 “재료의 구성이 최종 특성을 결정하는 가능성이 엄청나게 많기 때문에” 이 방법이 개발 주기를 크게 가속화한다고 말한다. 연구 결과는 ‘재료 및 구조’ 저널에 게재되었다. 적절한 제조법 찾기 현재, 철 제조 과정에서 발생하는 슬래그와 석탄화력 발전소에서 발생하는 날림재 등 산업 부산물이 이미 시멘트 제조법에서 일부 클링커를 대체하여 CO2 배출량을 줄이는 데 사용되고 있다. 그러나 시멘트의 전 세계 수요가 너무 크기 때문에 이러한 재료만으로는 수요를 충족시킬 수 없다. “우리가 필요로 하는 것은 대량으로 이용할 수 있고, 고품질이며 신뢰할 수 있는 시멘트를 생산할 수 있는 재료의 적절한 조합입니다,” PSI의 시멘트 시스템 연구그룹 책임자인 존 프로비스(John Provis)는 말한다. 이러한 조합을 찾는 것은 어려운 일이다. “시멘트는 기본적으로 광물 결합제입니다. 콘크리트에서는 시멘트, 물, 자갈을 사용하여 전체 재료를 결합하는 인공 광물을 만듭니다,” 프로비스는 설명한다. “우리는 빠른 시간 내에 지질학을 하고 있다고 할 수 있습니다.” 이 지질학 또는 그 뒤에 있는 물리 과정은 매우 복잡하며, 컴퓨터에서 이를 모델링하는 것은 계산적으로 많은 비용이 들고 시간이 소요된다. 따라서 연구팀은 인공 지능을 활용하고 있다. AI를 활용한 계산 가속화 인공 신경망은 기존 데이터를 사용하여 복잡한 계산을 가속화하도록 훈련된 컴퓨터 모델이다. 훈련 중에는 네트워크에 알려진 데이터 세트가 제공되며, 내부 연결의 상대적인 강도 또는 ‘가중치’를 조정하여 유사한 관계를 빠르고 정확하게 예측할 수 있게 된다. 이 가중치는 계산적으로 많은 비용이 드는 물리 모델링의 빠른 대안 역할을 한다. PSI의 연구원들도 이러한 신경망을 활용했다. “오픈 소스 열역학 모델링 소프트웨어 GEMS를 사용하여 다양한 시멘트 제조법에서 경화 중 형성되는 광물과 일어나는 지오화학적 과정을 계산했습니다,” 니콜라오스 프라시아나키스는 설명한다. 실험 데이터와 기계적 모델을 결합하여, 연구원들은 기계적 성능의 신뢰할 수 있는 지표를 도출할 수 있었다. 각 재료 구성 요소에 대해 해당 CO2 배출량 값을 적용하여 총 CO2 배출량을 결정할 수 있었다. “이는 매우 복잡하고 계산적으로 많은 비용이 드는 모델링 작업이었습니다,” 과학자는 덧붙인다. 하지만 이러한 노력은 보상이 따랐다. 이렇게 생성된 데이터를 통해 AI 모델이 학습할 수 있었으며, “훈련된 신경망은 전통적인 모델링 방식보다 약 1,000배 빠르게 임의의 시멘트 제조법의 기계적 성능을 계산할 수 있습니다,” 로마나 보이거는 설명한다. 출력에서 입력으로 이 AI는 어떻게 가장 적은 CO2 배출량과 높은 재료 품질을 가진 최적의 시멘트 제조법을 찾아낼 수 있을까? 한 가지 방법은 여러 제조법을 시도해 AI 모델로 성능을 계산한 후 최고의 변형을 선택하는 것이다. 하지만 더 효율적인 접근 방식은 과정을 반대로 수행하는 것이다. “즉, CO2 균형과 재료 품질에 대한 원하는 사양을 충족하는 시멘트 조성이 무엇인지 물어보는 것입니다,” 수학자는 설명한다. 기계적 성능과 CO2 배출량은 모두 제조법에 직접적으로 의존한다. “수학적으로 보면, 두 변수는 구성의 함수입니다. 구성이 변하면 각각의 성능도 변합니다,” 보이거는 덧붙인다. 최적의 제조법을 결정하기 위해, 연구원들은 두 목표 변수를 동시에 최대화하고 최소화하는 조성을 찾는 수학적 최적화 문제로 접근한다. “기본적으로 최대값과 최소값을 찾습니다. 이로부터 원하는 제조법을 직접 유도할 수 있습니다,” 수학자는 설명한다. 이를 위해 연구팀은 자연 선택에 영감을 받은 컴퓨터 지원 방법인 유전자 알고리즘을 워크플로에 통합했다. 이로 인해 두 목표 변수를 이상적으로 결합하는 제조법을 선택적으로 식별할 수 있었다. “이 ‘역방향 접근 방식’의 장점은 수많은 제조법을 무작위로 테스트하고 그 결과를 평가할 필요가 없어진다는 것입니다. 대신 특정 원하는 기준을 충족하는 제조법을 목적적으로 찾아낼 수 있습니다,” 보이거는 말한다. 다학제적 접근 방식의 큰 잠재력 연구원들이 식별한 시멘트 제조법 중 이미 유망한 후보들이 존재한다. “이중 일부 제조법은 실제로 큰 잠재력을 가지고 있습니다. CO2 감소와 품질뿐만 아니라 생산에서의 실용성에서도 그렇습니다,” 존 프로비스는 말한다. 그러나 개발 주기를 완료하기 위해서는 제조법이 먼저 실험실에서 테스트되어야 한다. “우리는 바로 건물을 지을 정도로 이 제조법을 검증하지 않습니다,” 니콜라오스 프라시아나키스는 웃으면서 말한다. 연구는 개념 증명의 성격을 가지고 있다. 즉, 순전히 수학적 계산으로 유망한 제조법을 식별할 수 있다는 증거다. “우리는 필요한 경우 AI 모델링 도구를 확장하여, 원재료의 생산 또는 가용성, 건축재의 사용처 등 추가적인 요소를 통합할 수 있습니다. 예를 들어 바닷가에서는 시멘트와 콘크리트의 행동이 다르게 나타나므로, 이러한 환경에서 사용하기 위한 제조법을 개발해야 합니다. 사막에서도 마찬가지입니다,” 로마나 보이거는 말한다. 니콜라오스 프라시아나키스는 미래를 내다보고 있다. “이것은 시작에 불과합니다. 이러한 일반적인 워크플로로 얻을 수 있는 시간 절약은 엄청나며, 다른 재료와 시스템 설계에서도 매우 유망한 접근 방식입니다.” 연구원들의 다학제적 배경 없이는 이 프로젝트가 성사되지 않았을 것이다. “시멘트 화학자, 열역학 전문가, AI 전문가 - 그리고 모든 것을 통합할 수 있는 팀이 필요했습니다,” 프라시아나키스는 말한다. “SCENE 프로젝트의 일환으로 EMPA 등 다른 연구 기관들과의 중요한 교류도 있었습니다.” SCENE(스위스 제로 배출 중심 연구 센터)는 산업과 에너지 공급에서 온실가스 배출량을 극적으로 줄이는 과학적으로 검증된 해결책을 개발하는 다학제적 연구 프로그램이다. 이 연구는 이 프로젝트의 일환으로 수행되었다. 업계 전문가들은 이 연구가 시멘트 제조에서 CO2 배출량을 효과적으로 줄일 수 있는 혁신적인 방법론을 제시했다고 평가한다. PSI의 연구팀은 이 기술을 실제 실험으로 검증한 후, 산업 현장에서의 적용 가능성을 타진할 예정이다. 이 연구는 시멘트 산업의 지속 가능성과 환경 친화성을 크게 향상시킬 수 있는 중요한 단초를 제공하고 있다. PSI는 스위스의 선도적인 자연과학 및 기술 연구 기관으로, 에너지, 환경, 생명 과학, 물질 과학 분야에서 혁신적인 연구를 수행하고 있다. SCENE 프로젝트는 PSI와 같은 다양한 연구 기관들이 협력하여, 산업과 에너지 공급에서 온실가스 배출량을 극적으로 줄이는 과학적으로 검증된 해결책을 개발하는 것을 목표로 하고 있다.