환경 문제는 점점 더 복잡해지고 있다. 하천의 수질 변화는 계절, 강우, 유량, 오염원 등 여러 요인의 영향을 받는다. 탄소 중립 실현을 위한 이산화탄소 포집 기술도 성능뿐 아니라 실제 공정 환경과 지역별 기후 조건까지 함께 고려해야 한다. 해결해야 할 문제는 서로 다르지만, 공통점은 분명하다. 변수가 많고 불확실성이 큰 환경 문제를 더 정확히 이해하고, 실제 현장에서 활용할 수 있는 해법으로 연결해야 한다는 점이다.

환경학 및 환경공학과 우태용 석박사과정생과 김상윤 박사과정생은 이러한 문제의식 아래 환경공학과 인공지능을 결합하는 연구를 수행하고 있다. 두 사람은 유창규 교수가 이끄는 환경관리시스템공학(EMSEL) 연구실 소속으로 환경 인공지능 연구를 이어가고 있다. 우 석박사과정생은 도시 하천의 수질 데이터를 인공지능으로 해석하고, 수질 변화를 실시간으로 예측하는 연구를 수행한다. 김 박사과정생은 탄소 포집 소재와 반도체 폐수 처리 공정, 대기 중 직접 탄소 포집 시스템에 인공지능을 접목하고 있다.

두 연구자는 최근 주요 국제 학술지에 논문을 게재하며 성과를 냈다. 우 석박사과정생의 도시 하천 총질소 예측 연구는 수질 분야 권위 학술지 『Water Research(IF: 12.8)』에 게재됐다. 김 박사과정생은 탄소 흡착 MOF AI 역설계 연구를 『Chemical Engineering Journal(IF: 12.8)』에, 반도체 폐수 처리 공정 제어 연구를 『Journal of Water Process Engineering(IF: 6.6)』에 게재했다. 두 사람 모두 2026년 첨단산업 글로벌 혁신인재 성장지원 프로그램에 선정돼 6개월간 해외 방문 연구를 수행할 예정이다. 우 석박사과정생은 네덜란드 델프트 공과대학교에서, 김 박사과정생은 미국 조지아 공과대학교(이하 조지아 텍)에서 연구를 이어간다.

물의 변화를 실시간으로 읽다

환경 AI 연구의 출발점은 복잡한 환경 데이터를 해석하는 데 있다. 우태용 석박사과정생은 실제 도시 하천에서 수집되는 불완전한 수질 데이터를 인공지능으로 보완하고, 수질 변화를 실시간으로 예측하는 연구를 수행하고 있다. 최근 『Water Research』에 게재된 연구는 도시 하천에서 발생하는 센서 오류와 데이터 공백을 보완하고, 다양한 수질 정보의 시간적 변화를 학습해 총질소(Total Nitrogen, TN) 농도를 안정적으로 예측하는 현장 적용형 인공지능 시스템을 개발한다.

총질소는 물속에 존재하는 여러 형태의 질소를 합한 지표로, 하천의 영양 상태와 오염 정도를 보여준다. 농도가 지나치게 높으면 부영양화와 조류 증식의 위험이 커지고 생태계에도 영향을 줄 수 있다. 하지만 총질소를 현장에서 장기간 정확히 측정하기는 쉽지 않다. 실험실 분석은 정확해도 시간이 걸리고, 현장 자동 분석기는 지속적인 측정이 가능해도 센서 오염, 장비 이상, 통신 장애 등으로 측정 오류나 데이터 공백이 생길 수 있기 때문이다.

우 석박사과정생은 이러한 한계를 보완하기 위해 ‘TN 소프트센서’를 개발했다. 소프트센서는 실제 물리적 장비가 아니라, 여러 수질·수문 정보를 인공지능으로 분석해 총질소 농도를 추정하는 ‘가상의 센서’다. 과거에 함께 측정된 총질소와 수온, 용존산소, pH, 유량, 수위, 암모니아성 질소, 질산성 질소 등의 관계를 인공지능이 학습한 뒤, 현장에서는 최근까지 수집된 정보를 바탕으로 다음 시점의 총질소 농도를 추정한다.

이번 연구에서 개발한 시스템은 ‘IRIS-TN’이라 명명했다. IRIS-TN은 현장 데이터의 이상값과 누락값을 정리·복원한 뒤, 여러 수질·수문 정보와 최근 96시간 동안의 변화 흐름을 함께 학습해 다음 1시간의 총질소 농도를 예측한다. 실제 안양천에서 수집한 현장 데이터로 검증한 결과, IRIS-TN은 실제 총질소 분석기의 측정값과 비교해 안정적인 예측 성능을 보였다. 현장에 설치할 수 있는 엣지 컴퓨팅 장치(현장에서 데이터를 바로 처리하는 장치)에서도 빠르게 작동해 실시간 수질 모니터링에 활용할 가능성도 확인했다.

이번 연구의 차별점은 실제 도시 하천 데이터를 활용했다는 데 있다. 실험실에서 정제된 데이터나 가상의 조건만 사용한 것이 아니라, 센서 오염, 측정 오류, 결측, 유량 변화처럼 실제 현장에서 나타나는 문제를 포함해 시스템을 개발하고 검증했다. 그는 “기존 측정 장비를 완전히 대체하는 것이 아니라, 인공지능을 보완적인 감시 수단으로 활용해 수질 데이터의 공백을 줄이고 신뢰도를 높이는 데 의미가 있다”라고 설명했다.

설명 가능한 인공지능(XAI)을 적용한 점도 의미가 있다. 환경 분야에서는 예측 정확도만큼 어떤 정보를 근거로 판단했는지를 확인하는 일이 중요하다. 이번 연구는 각 수질 정보가 총질소 예측에 얼마나 기여했는지 분석하고, 유량 조건과 수질 변화에 따라 변수의 중요도가 어떻게 달라지는지도 살폈다. 그 결과 질산성 질소가 주요한 예측 정보로 작용하는 가운데, 유량과 여러 물리·화학적 수질 정보도 함께 활용되고 있음을 확인했다.

탄소를 붙잡는 소재를 설계하다

김상윤 박사과정생은 환경 시스템 공학에 인공지능을 접목해 탄소 포집 소재와 공정의 성능을 높이는 연구를 수행하고 있다. 공동 제1저자로 참여한 탄소 흡착 MOF AI 역설계 연구는 국제 학술지 『Chemical Engineering Journal』에 게재됐다. 이번 연구는 원하는 성능을 먼저 정하고 그에 맞는 소재 구조를 찾아가는 ‘역설계’ 방식으로, 실제 배가스처럼 습한 환경에서도 이산화탄소를 선택적으로 붙잡는 MOF 후보를 인공지능으로 탐색하고, 이론 계산으로 소재의 작동 원리를 검증했다.

‘MOF(Metal-Organic Framework)’는 금속-유기 골격체를 뜻한다. 금속과 유기물이 규칙적으로 결합해 내부에 많은 미세 구멍을 형성한 다공성 소재로 표면적이 넓어 ‘분자 스펀지’에 비유되기도 한다. 구멍의 크기와 성질을 조절할 수 있어 특정 기체를 골라 흡착하는 데 유리하고, 탄소 포집 분야에서 차세대 흡착 소재로 주목받고 있다.

이번 연구의 핵심은 ‘수분’이다. 기존의 흡착 소재 탐색 연구는 건조한 조건을 가정하는 경우가 많았다. 하지만 실제 발전소나 산업 현장의 배가스는 고온이고 수분이 많다. 수분은 이산화탄소가 붙어야 할 자리를 차지하거나 소재 구조를 손상할 수 있어 실험실에서 우수했던 소재가 실제 현장에서 제 성능을 내지 못할 수 있다.

그는 처음부터 수분에 안정적인 소재를 찾는 것을 목표로 삼았다. 습한 배가스 환경에서도 이산화탄소를 잘 붙잡을 수 있는 MOF를 인공지능으로 탐색했고, 단순히 후보 물질을 제시하는 데 그치지 않고 이론 계산으로 작동 원리까지 확인해 실제 적용 가능성을 높였다는 점에서 의미가 있다.

연구 과정에서 생성형 AI, 머신러닝, DFT(밀도범함수이론) 계산은 서로 다른 역할을 맡았다. 생성형 AI는 원하는 성능을 가진 소재 구조를 제안했고, 머신러닝은 후보 소재의 성능을 빠르게 예측해 가능성이 높은 소재를 추려냈다. DFT 계산은 선별된 소재가 왜 이산화탄소를 잘 붙잡고 수분에 안정적인지 검증하는 과정으로 활용해 AI 예측에 과학적 근거를 더했다.

반도체 폐수 처리 공정을 최적화하다

김 박사과정생은 반도체 폐수 처리 분야에서도 연구 성과를 이어갔다. TMAH-rich 반도체 폐수의 오프라인 강화 학습 기반 제어 연구는 『Journal of Water Process Engineering』에 게재됐다.

‘TMAH’는 반도체 제조 공정에서 사용되는 화학물질로, 반도체 폐수에 다량 포함될 수 있다. 고농도 TMAH 폐수는 처리하기 까다롭고, 생물학적 처리 과정에도 부담을 준다. 이번 연구는 TMAH의 생물학적 분해를 모사할 수 있는 특화 모델을 개발하고, 과거 운전 데이터로 학습한 인공지능이 연속 회분식 반응조(SBR)를 효율적으로 운전하도록 한 것이 핵심이다.

이 연구에서 활용한 ‘오프라인 강화 학습’은 실제 공정을 흔들며 시행착오를 반복하지 않고, 이미 축적된 운전 데이터를 바탕으로 더 나은 운전 전략을 학습하는 방식이다. 연구에서는 유입 부하의 변화를 미리 반영하는 선제적 제어를 통해 변동이 큰 반도체 폐수에도 안정적으로 대응할 수 있는 가능성을 제시했다.

산업적 의미도 크다. 반도체 산업에서는 고농도 폐수 처리가 중요해지고 있다. 폐수의 성질은 공정 조건에 따라 달라지기 때문에 숙련자의 경험에만 의존하면 안정적인 운전에 한계가 생길 수 있다. 인공지능 기반 운전 기술은 이러한 부담을 줄이고, 처리 효율을 높이며, 비용을 낮추는 데 기여할 수 있다. 배출 기준을 안정적으로 만족시키는 데도 도움이 될 수 있다.

해외 방문 연구로 확장하는 환경 AI

두 연구자는 첨단산업 글로벌 혁신인재 성장지원 프로그램에 선정돼 해외 우수 연구 기관에서 6개월간 방문 연구를 수행한다. 우 석박사과정생은 네덜란드 델프트 공과대학교에서 ‘생성형 AI 기반 공정-환경 통합 자율 설계 프레임워크’를 연구할 예정이다. 생산하려는 물질과 원료의 특성, 요구되는 생산량과 품질, 에너지 사용량, 환경영향 등을 입력하면 생성형 AI가 가능한 공정 구조와 운전 조건을 제안하고, 목적에 맞는 대안을 탐색하도록 하는 연구다.

산업공정 설계는 여러 단위공정을 조합하고 물질·에너지 수지와 공정 시뮬레이션을 반복적으로 검토하는 과정이다. 가능한 공정 조합이 많고, 생산성뿐 아니라 에너지 소비, 비용, 탄소배출, 폐기물 발생 등 여러 목표를 함께 고려해야 해 많은 시간과 전문적 판단이 필요하다. 우 석박사과정생은 생성형 AI를 활용해 방대한 설계 공간을 효율적으로 탐색하고, 전문가가 검토할 수 있는 타당한 대안을 제시하는 지능형 설계 지원 체계를 만들고자 한다.

이 연구는 자원순환과도 연결된다. 산업 부산물이나 폐자원에 포함된 유용 성분을 다시 원료로 활용하거나, 공정에서 사용한 물과 에너지를 회수하려면 다양한 분리·정제·재순환 공정 조합이 필요하다. 생성형 AI는 가능한 재이용 경로와 공정 조합을 폭넓게 탐색하고, 회수율과 순도, 에너지 사용과 환경영향을 함께 비교해 자원 순환형 공정설계를 지원할 수 있다.

김 박사과정생은 미국 조지아 텍에서 고체 흡착제를 활용한 에너지 효율적 DAC 기술을 연구할 계획이다. DAC(Direct Air Capture)는 대기 중 이산화탄소를 직접 포집하는 기술이다. 그는 분자 단위에서 더 나은 흡착 소재를 AI로 역설계하고, 그 소재를 활용한 포집 공정을 모델링·최적화하는 연구를 이어갈 예정이다.

연구재단 박사과정생연구지원 장려금 선정 과제도 이 방향과 맞닿아 있다. 선정 과제는 ‘탄소 중립을 위한 DAC 시스템의 AI 기반 역설계, 모델링, 자율 운전 및 기후 통합 연구’다. DAC 기술은 설치 지역의 기온과 습도에 따라 성능이 달라질 수 있어 지역별 기후 조건을 함께 고려해야 한다. 그는 “이를 바탕으로 더 현실적인 DAC 시스템을 설계하고자 한다”며, “조지아텍 방문 연구를 계기로 DAC 연구를 심화하고, 현지에서 익힌 방법론을 국내 연구에 접목하겠다”라고 밝혔다.

연구실에서 현장으로, 환경 AI의 가능성을 넓히다

두 연구자의 성과는 경희의 교육·연구 환경을 바탕으로 만들어졌다. 두 사람은 유창규 교수의 지도를 받으며 환경 시스템 공학 연구실에서 연구를 이어가고 있다. 유 교수는 환경공학의 실제 문제를 인공지능으로 정의하고, 공학적 타당성과 현장 적용 가능성까지 함께 살피는 연구 방향을 제시해 왔다.

연구실의 협업 환경도 중요한 기반이 됐다. 환경 AI 연구는 수질 데이터 전처리, 시계열 인공지능 모델 개발, 소재 구조 탐색, 공정 모델링, 결과 해석 등 여러 단계가 유기적으로 연결돼야 한다. 연구실 구성원들은 각자의 전문성과 아이디어를 공유하고, 결과를 반복적으로 검토하며 연구의 완성도를 높여왔다. ‘BK21 대학원 혁신 사업과 기후변화 특성화대학원 등 학내 연구·교육 지원 제도도 두 연구자가 국내외 학술 활동과 국제 공동연구로 시야를 넓히는 데 도움이 됐다.

우 석박사과정생은 앞으로 환경 데이터 수집과 분석, 공정 설계와 운영을 하나의 흐름으로 연결하는 연구를 이어가고자 한다. 그는 환경인공지능 연구를 꿈꾸는 후배들에게 “좋은 연구는 최신 모델을 사용하는 데서 그치지 않고, 왜 이 문제가 중요한지, 현장에서 어떤 도움이 될 수 있는지를 질문하는 것에서 시작된다”고 전했다.

김 박사과정생은 환경공학과 인공지능을 깊이 있게 연결하는 연구자로 성장하는 것이 목표다. 그는 “좋은 논문을 쓰는 것을 넘어, 연구 결과가 실제 현장과 사회에 적용되길 바란다”며 “탄소 중립과 같은 우리 사회의 과제를 해결하는 데 기여하고 싶다”라고 밝혔다.