▲ (좌측부터) 제1저자 이호섭, 교신저자 최민기 교수

창의융합대학 미래에너지융합학과 최민기, 한국기계연구원 배용균 박사 공동 연구팀이 AI 기반 CFD 시뮬레이션 가속화를 통하여 고체산화물수전해 (Solid oxide electrolysis cell, SOEC) 작동 조건 고속 최적화 기법 개발에 성공하였다. 해당 연구는 역학 분야 권위 학술지 Applied Thermal Engineering (JCR 상위 5%)에 게재 승인됐다.

이번 연구는 최민기 교수팀과 한국기계연구원 배용균 박사와의 공동연구로 수행되었으며, 우리학교 석박통합과정 이호섭 학생이 제1저자로 연구를 주도했다. 

서울과학기술대학교 미래에너지융합학과 연구팀은 고체산화물 수전해전지(SOEC)의 운전 효율과 열안정성을 동시에 향상시키기 위해 인공지능 기반 능동학습(Active Learning)과 3차원 전산유체역학(CFD)을 결합한 하이브리드 최적화 기술을 개발하였다. 

연구팀은 Gaussian Process와 ε-Pareto Active Learning을 활용하여 방대한 운전조건을 효율적으로 탐색하는 폐쇄형(Closed-loop) 최적화 프레임워크를 구축하였다. 이를 통해 기존 전수 탐색 대비 단 17회의 CFD 해석만으로 최적 운전조건을 도출했으며, 계산 시간을 약 22,964시간에서 60시간으로 획기적으로 단축하여 높은 정확도와 계산 효율을 동시에 확보하였다.

개발된 최적화 기술은 SOEC의 전기화학 성능지수(EPI)를 약 14% 향상시키고 셀 내부 온도구배를 최대 80% 감소시키는 성과를 달성하였다. 또한 AI 기반 SHAP 분석을 통해 주요 운전변수가 성능과 열안정성에 미치는 영향을 정량적으로 규명함으로써, 향후 수소 생산 시스템뿐 아니라 다양한 고성능 에너지 시스템의 설계 및 운전 최적화에도 폭넓게 활용될 수 있는 기반기술로 기대된다.

성과유형
- 논문

성과 정보 (저널명/논문제목)
- Applied Thermal Engineering / IF=7.5 JCR: 94.5%, 상위 5.5% (Mechanics)
- Multi-o bjective optimization of solid oxide electrolysis cell efficiency and thermal gradient using an active-learning–CFD hybrid framework

성과발생일
- accepted (2026.06.23.)
- https://doi.org/10.1016/j.applthermaleng.2026.132115

연구 분야
- 인공지능/에너지