[박광준 기자] 기존의 수질오염 정화방법으로는 인체에 유해한 니트로페놀(Nitrophenols)과 아조염료(Azo dyes) 등을 제거하는데 한계가 있었다. (응고, 한외 여과, 호기성 처리, 미생물 분해, 전기-펜톤 방법, 열촉매 분해, 전기화학적 방법 및 고급 산화 공정(AOP) 기술을 포함한 여러가지 절차) 이를 대체하고자 촉매환원 방법이 대두되었지만, 금, 은, 백금 등 고가의 귀금속을 사용하는 이유로 경제성이 떨어져 널리 사용되지 않고 있다. 

이번 연구에서 주목하는 오염물은 니트로페놀류 (4-니트로페놀(4-NP), 2,4-디니트로페놀(DNP), 2,4,6-트리니트로페놀(TNP)), 아조염료류(메틸렌 블루(MB), 로다민 B(RHB), 메틸 오렌지 (MO))이며, NaBH4로 환원반응을 경제성있는 촉매인 PdO-NiO로 하는 것이었다. 반응의 결과는 분광측정법으로 하였고 다른 촉매를 사용했을 때보다 좋은 정화능력을 보여주었다. 수 많은 실험이 필요하지만, 조재혁 교수팀의 알고리즘을 이용하면 훨씬 적은 수의 실험으로 같은 결과를 보여줄 수 있을 것으로 기대된다.

컴퓨터 과학, 인공 지능, 화학 및 생물 의학과 같은 다양한 분야에서 점점 더 중요해지고 있는 인공지능의 머신러닝(Machine Learning) 기술은 염료의 제거 효율을 제고 할 수 있다. 머신러닝을 사용하여 폐기물에서 염료의 제거 행동을 모델링하고 학습하면 프로세스를 단순화하고 필요한 실험 반복 횟수를 줄일 수 있다. 이로써 본 연구의 머신러닝 모델은 실험과 연구를 위한 자원 및 노동력 비용을 크게 줄일 수 있다.

전북대학교 소프트웨어공학과 조재혁 교수 연구팀은 촉매환원 반응에 따른 파장을 측정하여 정량적 데이터를 머신러닝에 적용하였다. 파장의 변화를 시계열 데이터로 측정하고 오염물과 화학 분자구조에 따라  독립변수들과 상관성이 있는지 확인하였다. 

니트로페놀과 아조염료 각각의 상관관계를 피어슨상관계수(Pearson correlation coefficient)로 계산하여 양의 상관관계를 도출하고 특징(feature)을 머신러닝에 활용하였다. 머신러닝 대표 알고리즘 등을 활용하였고 그리드 서치 등을 활용하여 적합한 하이퍼파라미터(Hyperparameter, 머신러닝에서 그 값이 학습 과정을 제어하는데 사용하는 파라미터로, 알고리즘 개발자의 경험에 의존하며 결과에 큰 영향을 미친다.) 를 구했다. 또한 인공지능 평가를 다양한 방식으로 검증했다.

연구를 총괄한 조재혁 교수는 “니트로페놀과 아조염료의 종류에 따라 수질 정화를 위한 머신러닝 알고리즘을 효과적으로 사용할 수 있다. 이것으로 오염 물질의 촉매 환원반응을 예측하여 환경공학 및 수처리 분야의 기업, 연구원과 엔지니어에게 유용한 가이드를 제공할 것이다.”라고 밝혔다.

이번 연구 결과는 국제 학술지 SCIE의 Engineering 카테고리 상위 7%인 알렉산드리아 엔지니어링 저널 (Alexandria Engineering Journal)에 검증(peer-review)을 통해 게재되었다.(Machine learning algorithms to predict the catalytic reduction performance of eco-toxic nitrophenols and azo dyes contaminants, Vol. 72, 2023) 과학기술정보통신부 ICT 혁신선도 연구인프라 구축사업의 지원을 받아 수행하고 있는 ‘5G기반 스마트 센서 검증 플랫폼 구축’ 과제(숭실대 문용 교수)의 환경분야 시계열데이터에 적용할 수 있는 알고리즘 적용에 기여할 것으로 예상된다.