김 교수 연구팀은 기존에 보고되어온 여러 논문 데이터를 바탕으로 유동층 바이오매스 가스화 반응기의 합성가스 생산량에 대한 모델을 다양한 머신러닝 (Random forest, Support vector machine, Artificial neural network)에 기반하여 학습하였고, 최적의 모델을 구축했다.

또한, 합성가스 생산량에 크게 영향을 미치는 인자를 분석하기 위해 Monte Carlo Filtering에 기반하여 인자의 민감도 해석을 수행했다.

* 머신러닝 : 컴퓨터 프로그램이 주어진 데이터로부터 가장 합리적인 규칙을 학습하는 과정을 의미

* Monte Carlo Filtering : 컴퓨터 프로그램을 이용하여 다수의 가상적인 실험 상황을 구현하는 과정을 의미. 본 연구에서는 이를 통해 수십만 가지의 다양한 가상의 실험 상황을 만들고, 머신러닝으로터 학습한 모델을 통해 성능을 예측할 수 있음.

최근, 경제발전 및 인구 증가로 에너지 수요가 급증하고 지구온난화가 가속됨에 따라 이에 대한 대책으로서 화석 연료를 재생에너지로 대체하는 다양한 연구가 진행되고 있다.

이 중, 바이오매스는 지구상에 매우 풍부한 자원으로 기존 화석 연료를 대체할 수 있는 유망한 대안이다.

특히, 유동층을 활용한 바이오매스 가스화 반응은 수소, 일산화탄소, 이산화탄소 및 메탄으로 구성된 합성가스로 전환하는 고효율 열화학 공정이기에 많은 주목을 받고 있다.

향후, 바이오매스로부터 합성가스를 생산하는 효율적인 상용 공정을 설계할 때 중요한 핵심 지식으로 활용될 수 있는 본 연구는 순천향대 김동재 교수를 중심으로 유동층 관련 국내외 저명한 석학인 김준영 박사(성균관대학교, 박사후연구원)와 Naoko Ellis (University of British Columbia) 교수를 포함해 총 6명의 연구자가 참여했다.

이러한 김 교수 연구팀의 연구성과는 ‘‘Predicting and optimizing syngas production from fluidized bed biomass gasifiers: A machine learning approach’란 제목으로 국제 저명 학술지인 Energy (IF: 8.857, JIF 상위 3.97% / Thermodynamics 분야) 2023년 1월호에 게재 승인되었다.

제1 저자인 김동재 교수는 "지금까지 매우 다양한 논문에서 개별 바이오매스 및 개별 조업 조건에 대한 합성가스 생산은 보고되어 있었으나, 이를 다양한 바이오매스의 조성과 넓은 조업 조건에 따라 체계적으로 모델을 구축하고, 민감도 해석을 수행한 것은 처음이다”라며, "향후 해당 모델을 바탕으로 더욱 다양하고 고도화된 연구를 수행하며 연구 범위를 넓혀갈 예정이다”라고 말했다.