🔬 materials science

Data-driven Design of Metal-Organic Frameworks with Tunable Negative Thermal Expansion

이 연구는 12,000개 이상의 구조를 스크리닝하기 위해 머신러닝 가속 워크플로를 활용하여 금속-유기 골격 구조에서 조절 가능한 음의 열팽창을 설계하기 위한 데이터 기반 전략을 확립하였으며, 강력한 NTE를 위한 핵심 구조적 모티프를 식별하고 이를 Ce-UiO-66 변형체에서 기록적인 성능으로 실험적으로 검증하였다.

원저자: Prathami Divakar Kamath, Francesco Tavani, Alin Marin Elena, Théo Jaffrelot Inizan, Yen-hsu Lin, Jian Yin, Wenqian Xu, Omar M. Yaghi, Kristin A. Persson

게시일 2026-07-22

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Prathami Divakar Kamath, Francesco Tavani, Alin Marin Elena, Théo Jaffrelot Inizan, Yen-hsu Lin, Jian Yin, Wenqian Xu, Omar M. Yaghi, Kristin A. Persson

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

레고 브릭으로 집을 짓고 있다고 상상해 보세요. 보통 집을 가열하면 집은 팽창합니다. 브릭들이 더 많이 흔들리면서 공간을 약간 더 차지하게 되기 때문이죠. 하지만 열을 가할수록 오히려 줄어드는 집을 지을 수 있다면 어떨까요? 이러한 기이한 행동을 '음의 열팽창(Negative Thermal Expansion, NTE)'이라고 부릅니다. 대부분의 물질이 따뜻한 공기로 부풀어 오르는 풍처럼 행동하는 반면, NTE 물질은 뜨거워질수록 안쪽으로 끌어당기는 수축하는 풍처럼 행동합니다. 이것은 엔지니어들에게 초능력과도 같습니다. 만약 망원경 렌즈나 마이크로칩을 만든다면, 온도가 높든 낮든 크기가 정확히 동일하게 유지되는 부품이 필요합니다. 팽창하는 물질과 수축하는 물질을 혼합함으로써, 절대 뒤틀리지 않는 '제로 팽창' 복합체를 만들 수 있습니다.

오랫동안 과학자들은 이 수축하는 물질을 찾아왔지만, 고체 세계에서 그런 물질은 드물고 찾기 어렵습니다. 하지만 금속-유기 골격 구조(Metal-Organic Frameworks, MOFs)라고 불리는 특별한 물질 군이 있는데, 이들은 거대하고 초경량인 분자 스펀지와 같습니다. 이들은 금속 매듭이 유기적 끈(링커)에 의해 서로 묶여 만들어집니다. 매우 유연하고 구멍이 많기 때문에, 이들은 열을 받을 때 수축하기에 완벽한 후보입니다. 큰 과제는 전체 구조가 무너지지 않으면서도 어떤 금속 매듭과 어떤 종류의 끈의 조합이 가장 많이 수축할지를 알아내는 것이었습니다. 실험실에서 모든 조합을 일일이 테스트하는 것은 시간이 너무 오래 걸리고, 컴퓨터로 예측하는 수학적 계산은 대개 너무 느리고 비용이 많이 듭니다.

이 논문은 최고의 수축 레시피를 찾기 위해 슈퍼 스마트한 컴퓨터 두뇌를 사용하는 초고속 보물찾기와 같습니다. 연구진은 12,000개 이상의 서로 다른 MOF 구조에 대한 상세한 진동 지도를 담은 거대한 디지털 라이브러리인 "PhononMOFdb"를 구축했습니다. 이 구조들을 거대한 3D 분자 트램펄린이라고 생각해 보세요. 열을 가하면 원자들이 이리저리 튀어 오릅니다. 수축을 만드는 핵심은 구조를 안쪽으로 끌어당기는 특정 "바운스"(진동)를 찾는 것입니다. 팀은 새로운 초고속 머신 러닝 도구(원자의 움직임을 예측하는 일종의 AI)를 사용하여, 어떤 디자인이 가장 강한 안쪽 끌림 진동을 가지고 있는지 라이브러리를 스캔했습니다.

그들은 성공을 위한 명확한 레시피를 발견했습니다. 첫째, 분자 그물의 모양이 중요합니다. 입방체(상자 모양) 형태는 훌륭하지만, 매듭이 연결되는 구체적인 방식이 훨씬 더 중요합니다. 둘째, 금속 매듭의 종류가 결정적입니다. 그들은 가벼운 금속 대신 세륨(Cerium)이나 하프늄(Hafnium) 같은 무거운 금속을 사용하는 것이 구조를 더 많이 수축시킨다는 것을 발견했습니다. 이는 마치 스프링에 무거운 무게추를 다는 것과 같습니다. 무거운 무게추는 가벼운 것과는 다르게 움직이며 더 강한 끌어당김 효과을 만들어냅니다. 마지막으로, 그들은 매듭을 연결하는 "끈"(링커)을 변경함으로써 수축 정도를 미세하게 조정할 수 있다는 것을 발견했습니다. 이 끈들에 특정 화학 그룹을 추가함으로써, 구조를 파괴하지 않고도 수축 효과를 높이거나 낮추거나, 심지어 수축에서 팽창으로 바꿀 수도 있었습니다.

컴퓨터 레시피가 작동함을 증명하기 위해, 과학자들은 실험실로 가서 세륨(무거운 금속)을 사용해 특정 MOF를 직접 만들고 고출력 X선을 사용하여 테스트했습니다. 결과는 일치했습니다. 순수 세륨 버전은 눈에 띄게 수축하며 이전 기록을 경신했습니다. 하지만 진짜 마법은 끈을 수정했을 때 일어났습니다. 끈에 브롬(bromine) 원자를 추가했을 때, 그들은 수축 정도를 정확하게 제어할 수 있었습니다. 특정 사례의 경우, 높은 온도에서 이 물질은 갑자기 -593 (MK)⁻¹의 비율로 수축했는데, 이는 이 물질이 수축 분야의 챔피언임을 시사하는 기록적인 숫자입니다.

이 논문은 적절한 모양을 선택하고, 무거운 금속 매듭을 사용하며, 연결하는 끈을 미세 조정한다는 규칙을 따르면, 과학자들이 이제 맞춤형 열 행동을 가진 물질을 설계할 수 있음을 시사합니다. 그들은 단순히 추측한 것이 아니라, 수천 가지 옵션을 시뮬레이션하고, 최선의 것을 골라낸 뒤, 이론이 작동함을 증명하기 위해 실제로 제작했습니다. 이는 우리가 미래 기술이 처한 환경이 아무리 뜨겁더라도 기술의 안정성을 유지할 수 있는 새로운 물질을 만드는 문을 열어줍니다.

기술 요약: 조절 가능한 음의 열팽창을 갖는 금속-유기 골격체(MOF)의 데이터 기반 설계

문제 정의
가열 시 수축하는 성질인 음의 열팽창(Negative Thermal Expansion, NTE)을 보이는 물질은 정밀한 열 제어가 필요한 광학, 마이크로 전자 공학 및 항공우주 분야의 정밀 응용 분야에서 매우 중요하다. 금속-유기 골격체(MOF)는 유연한 구조와 낮은 에너지 격자 진동 덕분에 NTE를 구현할 수 있는 풍부한 플랫폼으로 알려져 있으나, 방대한 MOF 화학 공간 전반에 걸쳐 NTE를 지배하는 구조적 모티프를 체계적으로 밝혀내는 것은 실험적으로 매우 까다롭다. 또한, 이러한 특성을 예측하기 위해 필요한 대규모 제일원리 포논(phonon) 계산은 계산 비용이 너무 많이 들어 실행하기 어렵다. 기존의 실험적 전략(예: 노드 왜곡, 혼합 링커 솔루션)은 특정 재료 군에 국한되는 경우가 많으며 일반화가 부족하다. 또한, 샘прав의 결정성 차이와 기존 이론 연구에서 사용된 고전적 힘의 장(force field)에 의한 오차로 인해 정량적 벤치마킹이 어렵다.

방법론
이러한 문제를 해결하기 위해 저자들은 MACE-MP-MOF0 머신 러닝 원자 간 포텐셜을 사용하여 구축된 포괄적인 데이터베이스인 PhononMOFdb를 중심으로 한 데이터 기반 워크플로우를 개발하였다. 이 모델은 MOF 구조에 특화되어 미세 조정되었으며, 밀도 범함수 이론(DFT) 비용의 극히 일부만으로도 근사적인 ab initio 정확도를 제공한다.

데이터베이스 생성: 워크플로우는 MACE-MP-MOF0를 QMOF 데이터베이스의 약 12,000개 계산 가능 MOF에 적용하였다. 이를 통해 포논 상태 밀도(DOS), 밴드 구조, 비열, 벌크 탄성률 및 비탄성 중성자 산란(INS) 스펙트럼을 생성하였다.
검증: ML 포텐셜의 정확도는 MOF-5 및 ZIF-8과 같은 잘 알려진 시스템에 대한 DFT 계산(VASP 사용) 및 실험 데이터와 벤치마킹되었다. 결과는 DFT에서 사용된 PBE 범함수와 일치하는 완만한 적색 편이(red shift)만을 보이며 스펙트럼 특징을 정확하게 재현하였다.
고처리량 스크칭: 부피 NTE 후보를 식별하기 위해 진동 기반 스크리닝 전략이 채택되었다. 과정은 다음과 같다:
- 트랜스버스 링커 진동 및 강체 단위 모드(R-unit modes, RUMs)와 연관된 강한 저주파 포논 모드(0–2 THz)를 필터링한다.
- 초기 필터를 통과한 구조에 대해 준조화 근사(Quasi-Harmonic Approximation, QHA)를 적용하여 NTE 계수( $\alpha_V$ )를 계산한다.
- 후보 물질이 기계적으로 취약하지 않도록 기계적 안정성 임계값(100 K에서 벌크 탄성률 $B \ge 1$ GPa)을 적용한다.
기술자(Descriptor) 분석: 구조와 NTE 사이의 상관관계를 분석하기 위해 결정계, 토폴로지, 금속 노드 종류, 링커 길이, 유연성, 기능화 등 7가지 구조적 기술자를 분석하였다.
실험적 검증: 도출된 설계 원칙은 Ce-UiO-66 및 그 브롬화 변체(모노- 및 디-브롬화 BDC 링커)에 대한 고해상도 온도 의존적 싱크로트론 분말 X선 회절(PXRD)을 통해 테스트되었다.

주요 기여 및 결과

PhononMOFdb: 7가지 결정계를 모두 포함하며 12,000개 이상의 구조에 대해 검증된 INS 스펙트럼과 열물리적 특성을 제공하는, 현재까지 가장 큰 규모의 MOF 포논 데이터베이스를 구축하였다.
구조적 설계 규칙: 스크리닝을 통해 NTE 크기를 지배하는 특정 경향성을 밝혀냈다:
- 토폴로지: NTE는 모든 결정계에서 발생하지만, 입방(cubic) 토폴로지(특히 단순 입방, pcu, 및 면심 입방, fcu)가 지배적이다. pcu 프레임워크(일반적으로 Zn 기반)는 더 큰 NTE를 보이지만 기계적 안정성은 낮다. 반면, fcu 프레임워크(일반적으로 Zr 기반)는 중간 정도의 NTE와 함께 더 높은 벌크 탄성률을 제공한다.
- 금속 노드: 무거운 금속 노드는 NTE를 강화한다. 연구 결과, 무거운 4가 노드(예: Hf, Ce)는 높은 전하 밀도를 증가된 원자 질량으로 상쇄하여, 가벼운 유사체(예: Zr, Ti)에 비해 진동 주파수를 낮추고 NTE를 증폭시킨다는 것을 발견했다.
- 링커 엔지니어링: 등구조(isoreticular) 링커 연장은 NTE를 증가시키지만 기계적 안정성을 급격히 감소시킨다. 반대로, 링커 기능화는 프레임워크의 무결성을 해치지 않으면서 NTE의 크기와 부호를 조절할 수 있는 조절 가능한 핸들을 제공한다.
Ce-UiO-66에 대한 실험적 결과:
- 강화된 NTE: 순수 Ce-UiO-66은 250 K에서 -23(2) (MK) $^{-1}$ 의 부피 NTE 계수를 나타내어, 기존에 보고된 Zr-UiO-66의 값(-16.7(8) (MK) $^{-1}$ )을 능가하였으며, 이는 무거운 노드 치환의 이점을 확인시켜 주었다.
- 브롬화를 통한 조절 가능성: 체계적인 브롬화는 NTE를 정밀하게 조절할 수 있게 하였다. 모노-브롬화는 NTE를 억제하고 250 K에서 양의 열팽창(PTE)을 유도하였다. 디-브롬화(2,5-디브로모)는 낮은 온도에서 NTE를 더욱 억제하였다.
- 거대 NTE (Colossal NTE): 특히, 모노-브롬화 변체(Ce-UiO-66-Br)는 고온(>250 K)에서 거대 NTE로의 급격한 전이를 보였으며, -593(25) (MK) $^{-1}$ 에 달하는 계수에 도달하였다. 이 값은 현재 MOF 기록을 경신하는 수준이다.
- 메커니나즘: 포논 모드 분석 결과, Ce-UiO-66-Br의 거대 NTE는 고온에서 브롬 원자의 큰 진폭을 가진 비조화 변위(anharmonic displacements)로부터 기인하며, 이것이 격자 수축을 유도한다는 것을 밝혔다.

의의
본 논문은 MOF의 열팽창을 합리적으로 설계하기 위한 포논 중심의 데이터 기반 프레임워크를 확립하였다. 계산적 예측과 실험적 실현 사이의 간극을 메움으로써, 본 연구는 머신 러닝 가속 발견법이 방대한 MOF 화학 공간을 효과적으로 탐색하여 특정 구조적 모티프(무거운 노드, 입방 토폴로지)와 화학적 핸들(링커 기능화)을 식별할 수 있음을 입증하였다. Ce-UiO-66 패밀리에 대한 성공적인 검증은 무거운 노드 치환과 링커 엔지니어링이 기존 기록을 초과하는 NTE 계수를 생성할 수 있음을 확인시켜 주며, 제로 열팽창 복합재 및 맞춤형 열 응답을 가진 재료를 설계하기 위한 로드맵을 제공한다. 데이터베이스 내에서 식별된 11개의 "거대 NTE" 후보들은 향후 실험적 조사를 위한 즉각적인 타겟을 제시한다.

유사한 논문