연구진이 언어모델의 추론을 명시적 반응 네트워크 안으로 제한해 구리-철 산화물 촉매를 설계하고 실험으로 검증했다. 2026년 7월 공개된 arXiv 프리프린트는 이산화탄소 전기환원에서 아세테이트 생성 경로를 대상으로 했다. 정적인 구조 상관관계보다 경쟁 반응의 분기와 물리적 조절 변수를 찾는 인간-AI 공동 사고 프레임워크 ‘CoThinker’를 사용했다.
최종 반응 그래프는 32개 중간체, 41개 기본 반응 단계, 9개 경로와 4개 생성물 계열을 연결한다. 모델은 반응망에 없는 단계를 임의로 추가하지 않고 전체 흐름과 물리적 타당성을 함께 점검한다. 분석은 케텐의 탈착과 수산화물 포착을 아세테이트 형성의 핵심 경로로 지목하고, 흡착 CO와 CH2의 결합을 거치는 별도 케텐 경로를 예측했다.
도출된 조절 변수는 국소 알칼리도, 통제된 철 도입, 계면의 양성자 공여체 접근성이다. 연구진은 후보가 한 단계만 개선하고 전체 아세테이트 흐름을 높이지 못하면 폐기하는 반영·검증·재시도 절차를 거쳤다. 이 과정을 바탕으로 구리-철 산화물 촉매를 전향적으로 합성했다.
논문은 새 촉매가 조건을 맞춘 구리 함량이 높은 기준선보다 아세테이트 선택성을 3배 높였다고 보고한다. 전해질 pH를 6.8에서 7.5로 높일수록 아세테이트 패러데이 효율이 증가해 수산화물 보조 경로 예측과 같은 방향을 보였다. 모델의 사후 설명에 그치지 않고 합성과 측정으로 가설을 시험했다는 점이 핵심이다.
다만 하나의 촉매계와 연구진의 실험이 다른 반응으로의 일반성을 입증하지는 않는다. 반응 네트워크의 완전성, 누락된 경로, 기준선 조건이 결과를 좌우할 수 있으며 독립 연구실 재현도 아직 보고되지 않았다. ‘AI가 촉매를 발견했다’고 단정하기보다 사람이 구성·검토한 반응망 안에서 후보 가설을 좁히고 한 사례를 전향 검증한 결과로 해석해야 한다.
저작권자 © STORIUM 무단전재 및 재배포 금지
