TOPIC 1. Catalysis and surface science

References

1)  N. Jeon, H. Choe, B. Jeong, Y. Yun*, “Cu-promoted zirconia catalysts for non-oxidative propane dehydrogenation”, Appl. Catal. A, 2019, 586, 117211. <link>

2) B. Song^†, J. Kim^†, I. Chung, Y. Yun*, “Mesoporous silica-supported Pt catalysts in enantioselective hydrogenation of ethyl pyruvate”, Catal. Today, Accepted. <link>

 

TOPIC 2. Nanomaterial synthesis

Reference

1) J. Kim, B. Song, G. Hwang, Y. Bang, Y. Yun*, “Platinum nanoparticles supported on mesocellular silica foams as highly efficient catalysts for enantioselective hydrogenation”, J. Catal., 2019, 373, 306-313. <link>

.

TOPIC 3. Machine learning for chemical engineering

머신러닝과 데이터 과학은 빠르고 정확한 예측을 바탕으로 다양한 연구 분야를 발전시켜왔다. 최근 들어, 머신러닝을 불균일계 촉매 시스템에 활용하여 복잡한 촉매 반응에 대한 이해와 분석을 용이하게 하였다. 우리 연구실에서는 인공 신경망과 고차원의 데이터를 활용하여 화학 공정 효율 및 안정성에 영향을 미치는 인자를 예측하고, 이를 통해 공정을 제어하고자 한다. 또한, 실험 데이터와 화학 물질 데이터베이스를 바탕으로 촉매 반응 조건과 화합물 선택 기준을 최적화하고자 한다.

 

TOPIC 4. Production process of raw material of rechargeable battery

최근 4차 산업혁명을 통한 IT 기기와 전기차 시장의 가파른 성장에 의해 리튬 → 양/음극재 → 배터리 → 전기차로 이어지는 새로운 가치사슬 (value chain)이 형성되고 있으며, 이에 따라 리튬 이온 배터리의 수요가 크게 증가하고 있다. 이로 인해 주요 원료인 리튬의 생산 설비 확장 필요성이 대두되고 있다. 우리 연구실은 리튬 추출 기술 개발 및 공정 기술 최적화를 통해 리튬의 생산성을 증대시키고자 한다.