이번 연구에서는 수전해 양극의 산소 발생 반응을 메탄 산화 반응으로 대체하여, 음극에서는 수소를 생산하고 양극에서는 메탄을 에탄올로 전환하는 전기화학 시스템을 제시했습니다. 머신러닝 기반 전기촉매·전극 최적화 기법을 활용하여 촉매 조성과 전극 설계, 반응 조건을 체계적으로 최적화함으로써 반응 효율과 생산성을 향상시켰습니다.

연구진은 촉매 표면 산소의 안정성과 메탄 C–H 결합 활성화 장벽을 동시에 고려하는 이중 기준 선별법(Two-criterion descriptor)​을 새롭게 제안하고, 15종의 루타일형 금속산화물 가운데 루테늄 산화물(RuO₂)​을 최적 촉매로 도출했습니다.

특히 오페란도 라만 분석을 통해 메탄의 C–H 활성화부터 C–C 커플링, 주요 반응 중간체의 생성 및 전환 경로까지 실시간으로 추적​했습니다. 이는 전기화학적 메탄-에탄올 전환 과정에서 그동안 명확히 밝혀지지 않았던 C–C 결합 형성 메커니즘을 실험적으로 규명한 연구라는 점에서 의미가 있습니다.

이번 연구는 메탄 자원화 촉매 설계를 위한 새로운 기준을 제시하고, 청정 수소와 고부가가치 화합물을 동시에 생산할 수 있는 전기화학 시스템의 가능성을 보여주었습니다.

논문명은 “Two-criterion descriptor screening identifies rutile oxide catalysts for selective electrochemical methane oxidation to ethanol”​입니다.

논문 링크: https://www.sciencedirect.com/science/article/pii/S1385894726065204