Optimized tandem catalyst patterning for CO$_2$ reduction flow reactors

본 연구는 연속체 수송 모델링을 역접근법 기반 설계 최적화와 통합하여 Ag 및 Cu 촉매를 전략적으로 패터닝함으로써 에틸렌 전류 밀도를 극대화하고, 특히 고전압 조건과 증가된 패터닝 섹션에서 CO$_2$ 환원 흐름 반응기의 성능을 크게 향상시킨다는 것을 입증한다.

핵심

완벽한 케이크를 굽고자 한다고 상상해 보세요. 하지만 주방에는 이상한 규칙이 있습니다. 모든 재료를 한 번에 섞을 수 없다는 것이죠. 대신 두 개의 별도 스테이션이 있습니다.

• 스테이션 A (은): 이 스테이션은 생 밀가루 (이산화탄소) 를 반죽 (일산화탄소) 으로 바꾸는 데 탁월합니다.
• 스테이션 B (구리): 이 스테이션은 그 반죽을 맛있는 케이크 (에틸렌, 귀중한 화학 물질) 로 만드는 데 놀라울 정도로 능숙합니다.

문제점은 무엇일까요? 스테이션 A 를 스테이션 B 에서 멀리 떨어뜨려 두면, 반죽이 스테이션 B 에 도달하기 전에 바람 (반응기 내의 흐르는 물) 에 의해 날아가 버립니다. 또는 스테이션 A 를 너무 많이 두고 스테이션 B 는 너무 적게 두면, 케이크는 없고 반죽 더미만 남게 됩니다.

이 논문은 가능한 한 많은 케이크를 만들기 위해 이 두 스테이션의 완벽한 배치를 찾는 것에 관한 것입니다.

핵심 아이디어: "탠덤 촉매"

연구자들은 탠덤 촉매라는 과정을 연구하고 있습니다. 이를 조립 라인처럼 생각하세요.

1. **은 (Ag)**은 첫 번째 작업자로 작용하여 CO₂를 CO 로 변환합니다.
2. **구리 (Cu)**는 두 번째 작업자로 작용하여 그 CO 를 플라스틱과 연료의 기초 물질인 에틸렌과 같은 고부가가치 제품으로 변환합니다.

전통적인 설정에서는 이러한 작업자들이 섞여 있거나 크고 별도의 블록에 배치될 수 있습니다. 연구자들은 궁금해했습니다. 전극을 은과 구리의 작은 교대 스트립 여러 개로 나누고 각 스트립의 길이를 조절할 수 있다면, 가장 많은 케이크를 얻기 위한 최적의 패턴은 무엇일까?

실험: 디지털 "튜닝" 노브

물리적 반응기를 건설하고 수천 가지의 서로 다른 패턴을 시도하는 대신 (이는 수년이 걸릴 수 있음), 팀은 컴퓨터 시뮬레이션을 구축했습니다.

그들은 액체가 평평한 표면을 흐르는 디지털 "흐름 반응기"를 만들었습니다. 그리고 수백만 가지의 서로 다른 패턴을 테스트하는 스마트 컴퓨터 알고리즘 (초고급 GPS 와 같은) 을 사용했습니다. 컴퓨터는 다음과 같이 작동했습니다:

1. 패턴을 시도합니다 (예: 긴 은 스트립 다음에 짧은 구리 스트립).
2. 얼마나 많은 "케이크" (에틸렌) 가 만들어졌는지 확인합니다.
3. 스트립의 길이를 약간 조정합니다.
4. 절대적으로 최선의 배치를 찾을 때까지 이 과정을 반복합니다.

그들이 발견한 것

컴퓨터는 "완벽한" 패턴이 시스템을 얼마나 강하게 밀어붙이는지 (전압) 와 액체가 흐르는 속도에 크게 의존한다는 것을 발견했습니다.

1. "강한 밀기" 시나리오 (고전압):
시스템을 강하게 밀었을 때 (강한 전기 전압 사용), 두 개의 큰 스트립 대신 매우 많은 작은 스트립 (최대 12 개 섹션) 을 갖는 것이 최상의 설계였습니다.

• 결과: 이 최적화된 패턴은 단순하고 최적화되지 않은 설계보다 최대 65% 더 많은 에틸렌을 생산했습니다.
• 이유: 고속에서 액체는 빠르게 이동합니다. 구리 섹션이 너무 길면, "반죽" (CO) 이 스트립의 맨 처음 부분에서 모두 소모되고 나머지 구리 스트립은 유휴 상태 (사각지대) 가 됩니다. 스트립을 더 짧고 더 많이 만들면 신선한 반죽이 구리 작업자들에게 지속적으로 공급되어 그들이 항상 바쁘게 일하게 됩니다.

2. "부드러운 밀기" 시나리오 (저전압):
밀기가 약할 때, 최상의 패턴은 다르게 보였습니다. 거대한 반죽 더미를 만들기 위해 매우 긴 첫 번째 은 스트립을 선호한 뒤, 그것을 모두 먹어치우기 위해 매우 긴 마지막 구리 스트립을 배치하고, 중간에는 작고 빠르게 전환되는 스트립을 두는 형태였습니다.

3. 유속이 중요합니다:

• 빠른 유속: 물이 빠르게 흐르면 반죽이 씻겨 나가지 않도록 반응을 매우 강력하게 (고전압) 유지해야 합니다.
• 느린 유속: 물이 느리면 반죽이 가라앉을 시간이 있지만, 신선한 재료가 떨어지지 않도록 주의해야 합니다.

비장의 무기: "사각지대" 피하기

최적화된 패턴이 그렇게 잘 작동한 주된 이유는 **"사각지대"**를 제거했기 때문입니다.

첫 번째 작업자들은 바쁘지만 부품이 떨어져 마지막 몇 명의 작업자들은 아무것도 하지 않고 서 있는 컨베이어 벨트를 상상해 보세요. 기존 설계에서는 구리 섹션의 끝부분에 CO 가 소진되어 이러한 사각지대가 종종 있었습니다.

컴퓨터의 최적화된 설계는 스트립을 재배치하여 "반죽" (CO) 이 고르게 분배되도록 했습니다. 이는 구리 표면의 모든 인치가 작업할 반죽을 충분히 갖도록 보장하여 최종 제품의 생산을 극대화했습니다.

요약

이 논문은 "개념 증명"입니다. 물리적 공장을 건설한 것은 아니지만, 촉매의 배치를 설계하기 위해 수학과 컴퓨터를 사용하는 것이 CO₂를 유용한 화학 물질로 전환하는 효율을 크게 향상시킬 수 있음을 증명했습니다.

• 문제: CO₂ 환원은 까다롭습니다. 중간 생성물이 손실되거나 낭비됩니다.
• 해결책: 컴퓨터를 사용하여 은과 구리 스트립의 교대 패턴을 찾습니다.
• 성과: 촉매 표면의 형태만 변경하고 (화학 물질 자체는 변경하지 않고) 시뮬레이션에서 최대 65% 까지 생산량을 늘릴 수 있었습니다.

새로운 가구를 사지 않더라도 방의 가구를 재배치하면 훨씬 더 빠르게 움직일 수 있음을 깨닫는 것과 같습니다.

기술 요약

기술 요약: CO2 환원 유동 반응기를 위한 최적화된 탠덤 촉매 패터닝

문제 제기
전기화학적 CO2 환원 (CO2R) 은 과잉 재생 가능 에너지를 지속 가능한 연료 및 화학물질로 전환하면서 온실가스 배출을 완화하는 경로를 제공합니다. 그러나 상업적 규모 배포는 구리 (Cu) 촉매의 성능 한계, 특히 높은 과전압과 고부가가치 다탄소 생성물 (예: 에틸렌, 에탄올) 에 대한 제한된 선택성으로 인해 방해받고 있습니다. 이러한 한계는 종종 중간체 종의 수송 관리 비효율에서 비롯됩니다. 전통적인 탠덤 촉매링에서 첫 번째 촉매 (예: Ag) 가 CO2 를 CO 로 전환하고 두 번째 촉매 (예: Cu) 가 CO 를 고부가가치 생성물로 전환할 때, CO 와 같은 중간체 종은 두 번째 촉매에 도달하기 전에 대류나 확산으로 손실될 수 있습니다. 이전 연구들은 다양한 탠덤 촉매 구성 (예: 교차 배치된 입자, 교번 평면 단면) 을 탐구해 왔으나, 대부분 특정 설계를 제안하고 평가하는 전향적 분석에 의존해 왔을 뿐, 촉매의 공간적 배열을 체계적으로 최적화하여 성능을 극대화하는 접근법은 부족했습니다.

방법론
본 연구는 단순화된 2 차원 (2D) 유동 반응기 설정 내에서 연속체 수송 모델링과 켤레 기반 설계 최적화를 통합한 개념 증명 프레임워크를 제시합니다.

• 시스템 설정: 계산 영역은 활성 전극 표면 위의 수용성 중탄산염 전해질 (500 mM KHCO3, 34 mM CO2) 의 전단 유동을 모델링합니다. 전극은 교번하는 Ag 및 Cu 단면으로 구성됩니다. Ag 단면은 CO2 → CO 반응을 촉진하고, Cu 단면은 CO 를 에틸렌 (C2H4), 에탄올 (C2H6O), 메탄 (CH4), 수소 (H2) 로 전환하는 반응을 촉진합니다. CO 는 유입 스트림에 존재하지 않으며, Ag 에서 생성되어 Cu 에서 소비됩니다.
• 지배 방정식: 본 모델은 벌크 중탄산염 완충 반응과 결합된 종 수송 (CO2, H+, OH-, HCO3-, CO3 2-, K+, CO, H2, 및 탄화수소) 을 위한 정상 상태 네른스트 - 플랑크 (Nernst-Planck) 방정식을 풉니다. 표면 역학은 Ag 및 Cu 촉매 모두에 대해 타펠 (Tafel) 식을 사용하여 모델링됩니다. 유체 유동은 페클레 (Péclet) 수에서 유도된 정의된 전단율을 가진 전단 유동으로 근사됩니다.
• 최적화 공식화: 문제는 PDE 제약 최적화 문제로 공식화됩니다. 설계 변수는 N 개의 교번 Ag/Cu 단면의 길이 ($l_j$) 입니다. 목적 함수는 공간적으로 평균화된 에틸렌 전류 밀도 ($i_{C2H4}$) 의 최대화입니다.
• 알고리즘: 최적화는 목적 함수의 촉매 단면 길이에 대한 민감도를 계산하기 위해 켤레 (adjoint) 방법을 활용합니다. L-BFGS-B 준뉴턴 알고리즘이 성능을 극대화하기 위해 단면 길이를 반복적으로 정제합니다. 본 연구는 인가 전압 ($U_{app}$), 전해질 유량, 그리고 패터닝 단면 수 ($N$) 의 영향을 조사합니다.

주요 기여

1. 설계 최적화 프레임워크: 본 논문은 전향적 분석을 넘어 수송 및 반응 제약 조건에 기반하여 촉매 공간적 배열을 반복적으로 정제하는 체계적인 최적화 접근법을 탠덤 촉매 패터닝에 도입합니다.
2. 패터닝을 통한 성능 향상: 본 연구는 Ag 및 Cu 단면의 공간적 분포를 최적화함으로써 에틸렌 생산을 크게 향상시킬 수 있음을 입증하며, 특히 단면 수 ($N$) 가 증가하고 강한 표면 반응 조건 (더 음의 인가 전압) 에서 그 효과가 두드러집니다.
3. 기작적 통찰: 농도장 분석을 통해 최적화된 패턴이 Cu 표면의 낮은 CO 농도 영역인 '데드 존 (dead zones)'을 어떻게 완화하고 중간체 CO 종의 활용도를 어떻게 향상시키는지 규명합니다.

결과

• 단면 수 ($N$) 의 영향: 단면 수를 $N=2$에서 $N=12$로 증가시키면 에틸렌 전류 밀도가 크게 증가합니다. SHE 대비 $-1.7$V 의 인가 전압에서 최적화된$N=12$설계는 비최적화된 등 길이$N=2$ 설계 대비 에틸렌 전류 밀도를 최대 65% 증가시킵니다.
• 최적화 대 단면 수: 성능 향상은 $N$ 증가와 패턴 길이 최적화의 기여로 분해됩니다. 덜 음의 전압 ($-1.35$V) 에서는 패턴 최적화가 지배적인 요인입니다. 더 음의 전압 ($-1.7$V) 에서는 단면 수 증가가 개선의 주된 동인이지만, 최적화 또한 상당한 이득을 제공합니다.
• 패턴 특성:
  • **$-1.35$V**(약한 반응) 에서 고$N$에 대한 최적화된 패턴은 긴 초기 Ag 단면과 최종 Cu 단면, 그리고 짧고 빠르게 교번하는 중간 단면들을 특징으로 합니다.
  • $-1.7$V(강한 반응) 및 낮은 유량에서 최적화된 패턴은 CO 생산을 극대화하고 Cu 표면에서의 CO 고갈을 최소화하기 위해 더 긴 Ag 단면과 더 짧은 Cu 단면을 선호합니다.
  • $-1.7$V 및 높은 유량에서 최적화된 패턴은 등 길이 구성에 가깝게 유지되는데, 이는 이러한 고 질량 수송 조건에서 초기 등 길이 설계가 이미 거의 최적에 가깝다는 것을 시사합니다.
• 유량 의존성: 유량이 성능에 미치는 영향은 전압에 따라 달라집니다. $-1.35$V 에서는 더 높은 유량이 약하게 생성된 CO 를 쓸어냄으로써 CO 활용도와 에틸렌 생산을 감소시킵니다. 반면, $-1.7$V 에서는 더 높은 유량이 강한 표면 반응이 국소 CO 농도를 높게 유지하는 가운데 반응물을 더 효과적으로 보충함으로써 에틸렌 생산을 증가시킵니다.

의의 및 주장
저자들은 본 연구가 CO2R 전해조에서 촉매의 공간적 배열을 안내하기 위해 연속체 모델링과 설계 최적화를 결합한 개념 증명을 제공한다고 주장합니다. 본 연구는 다음을 확립합니다:

• 최적 반응기 설계는 작동 조건 (전압, 유량) 과 패터닝 정도 ($N$) 에 크게 의존합니다.
• 최적화된 탠덤 촉매에서 성능 개선의 주된 기작은 이차 촉매 표면의 낮은 반응물 농도 영역을 최소화하여 핵심 중간체 (CO) 의 활용도를 극대화하는 것입니다.
• 현재 2D 설정은 산업용 가스 확산 전극 (GDE) 의 모든 복잡성을 포착하지 못하는 단순화이지만, 이 방법론은 더 현실적이고 복잡한 전해조 기하구조를 최적화하기 위한 기초적인 단계로 제시됩니다.
• 고성능 컴퓨팅과 정보에 기반한 연속체 모델링의 통합은 실험적 검증을 위한 설계 공간을 좁히고 전기화학적 공정 효율을 향상시키는 강력한 도구로 작용합니다.

본 논문은 향후 연구가 이러한 최적화 능력을 3D 설정 (예: GDE) 으로 확장하고, 다른 목적 함수 (선택성, 에너지 효율) 를 탐구하며, 촉매 패터닝과 함께 작동 조건을 최적화해야 한다고 결론지었습니다.