움직이는 교과서 (Interactive Textbook)
Norskov, Fundamental Concepts in Heterogeneous Catalysis, Chapter 10. 슬라이더를 움직이면 그래프가 실시간으로 반응합니다.
Section 10.1
Computational catalyst screening은 수천에서 수만 개의 후보 물질을 체계적으로 걸러내는 과정입니다. 각 후보에 대해 descriptor를 계산하고, activity filter, stability filter, selectivity filter를 순차적으로 적용하여 최종 실험 대상을 선별합니다.
이 접근법은 모든 후보를 실험하는 것이 아니라, 물리 기반 필터로 탐색 공간을 극적으로 줄입니다. 전체 계산 비용은 후보 수와 DFT 계산당 소요 시간의 곱에 비례합니다.
Section 10.2
촉매 screening의 기본 아이디어는 1-2개의 descriptor만으로 촉매의 활성을 예측할 수 있다는 것입니다. Scaling relation 덕분에 수십 개의 에너지 값이 서로 선형적으로 연결되어 있으므로, 독립적인 descriptor는 소수에 불과합니다.
2D descriptor space에서 activity constraint와 stability constraint를 동시에 적용하면, 두 조건을 모두 만족하는 좁은 영역만 남습니다. 이 영역 안에 위치한 물질만이 유망한 후보입니다.
예측: 후보 합금 40개에 활성 창 ΔEO 1.3부터 1.9 eV, 안정성 기준 Ehull 0.30 eV/atom 이하를 적용하면 몇 개가 남을까?
목표: 활성 창의 양 끝과 안정성 기준선을 끌어서 조정하고, 귀금속 제외 필터를 켜거나 꺼서 남는 후보를 정확히 3개로 만드세요. 그중 비귀금속이 1개 이상 있어야 합니다.
활성 창을 좁히고 안정성 기준을 낮출수록 후보가 빠르게 줄어들지만, 귀금속을 제외하면 같은 창에서도 남는 후보의 구성이 달라집니다. 세 조건을 동시에 만족하는 후보는 소수라는 점이 screening의 출발점입니다.
Section 10.3
실제 촉매 screening은 multi-objective optimization 문제입니다. 활성이 높은 촉매가 반드시 안정하지는 않으며, 안정한 촉매가 반드시 활성이 높지도 않습니다. 두 목적함수를 동시에 최적화해야 합니다.
Pareto front는 이 tradeoff의 경계를 정의합니다. Front 위의 점은 다른 어떤 점에 의해서도 동시에 지배되지 않는 non-dominated solution입니다. Front 안쪽의 점은 반드시 두 목적 모두에서 더 나은 대안이 존재합니다.
예측: 아래 후보 18개 중 활성이 더 높고 가격이 더 싼 다른 후보가 없는 점, 즉 Pareto front 위의 점은 몇 개일까?
목표: 점을 클릭해서 shortlist를 만들고, Pareto front 위의 점을 빠짐없이 선택하되 dominated 점은 하나도 넣지 마세요.
빨간 X가 붙은 점은 화살표가 가리키는 점보다 활성이 낮거나 같고 가격이 높거나 같습니다. 이런 점은 어떤 가중치로 활성과 가격을 저울질해도 선택할 이유가 없으므로 shortlist에서 빠져야 합니다.
Section 10.4
Computational screening의 실제 성공 사례들은 이 방법론이 단순한 이론이 아닌 실험적으로 검증된 도구임을 보여줍니다. 각 사례에서 descriptor를 정의하고, DFT 계산으로 후보를 선별한 뒤, 실험으로 검증하는 과정을 거쳤습니다.
주목할 점은 computation에서 실험 검증까지의 사이클이 점점 짧아지고 있다는 것입니다. 초기에는 10년 가까이 걸렸지만, 최근에는 3-5년으로 단축되었습니다.
Key Takeaways