첨단 과학기술 프런티어 지도
오늘의 프런티어 · 2026.09.23
문제를 해결할 때 우리는 보통 ‘주인공’을 바꾸려고 한다.
촉매가 약하면 더 강한 금속을 찾고, AI의 성능이 부족하면 더 큰 모델을 만들고, 정보가 불안정하면 더 튼튼한 부품을 찾는다.
그런데 최근 서로 전혀 달라 보이는 세 연구가 같은 방향을 가리켰다.
주인공을 바꾸지 않고, 주인공이 작동하는 주변 환경과 관계를 설계해 전체 성능을 바꾸는 방법이다.
가장 선명한 사례는 지하수 오염물질인 질산염을 붙잡고 환원하는 분자 촉매 연구다.
질산염은 왜 처리하기 어려울까
질산염(NO₃⁻)은 농업용 비료 등에서 유입되는 대표적인 수질 오염물질이다.
역삼투나 이온교환으로 물에서 분리할 수는 있지만, 이 방법은 질산염을 완전히 없애기보다 농축된 폐기물 흐름으로 옮기는 경우가 많다. 질산염을 화학적으로 환원해 다른 물질로 바꾸려면 또 다른 문제가 생긴다.
질산염은 전이금속에 잘 붙지 않고 N–O 결합도 강하다. 반응을 시작하려면 먼저 촉매가 질산염을 붙잡아야 하는데, 그 첫 단계부터 어렵다.
기존 접근은 주로 중심 금속을 바꾸거나 더 강한 환원 조건을 찾는 것이었다.
연구진은 여기서 시선을 바꿨다.
“중심 금속이 아니라, 그 주변을 바꾸면 어떨까?”
금속 주변에 수소결합 ‘팔’을 배치했다
연구진은 자연의 질산염 운반 단백질과 환원효소를 본떴다. 효소는 금속 중심만으로 반응물을 다루지 않는다. 주변 아미노산들이 수소결합 네트워크를 만들고, 반응물이 정확한 위치와 방향으로 오도록 돕는다.
이런 중심 바깥의 상호작용 영역을 2차 배위권 (secondary coordination sphere)이라고 한다.
쉽게 말하면 이렇다.
- 중심 금속은 실제 반응이 일어나는 주인공이다.
- 2차 배위권은 반응물을 붙잡고 자리를 잡아주는 주변 무대다.
연구진은 Zn 착물의 리간드 바깥쪽에 아닐린 수소결합 주개를 배치했다. 그리고 수소결합이 있는 구조와 없는 구조가 질산염을 얼마나 잘 붙잡는지 비교했다.
그 결과 첫 결합 단계의 결합상수는 수소결합이 있는 모델에서 약 1.5×10⁶ M⁻¹, 없는 모델에서 약 0.18 M⁻¹이었다.
차이는 약 800만 배다. 논문은 이를 최대 7자릿수 규모, 즉 최대 일곱 자릿수(order of magnitude)의 결합 친화도 증가로 표현한다.
여기서 아주 중요한 구분이 있다.
정수 처리 성능이 천만 배 좋아졌다는 뜻이 아니다.
실험실의 Zn 모델 착물에서 측정한 ‘질산염 결합 친화도’의 차이다. 이 숫자를 실제 물 처리량이나 제거 효율로 바꾸어 말하면 과장이다.
붙잡는 것에서 반응시키는 것으로
Zn은 산화·환원 반응에 직접 참여하지 않는 금속이다. 연구진은 먼저 Zn 모델을 이용해 수소결합 자체가 질산염 결합과 전하 분포에 어떤 영향을 주는지 분리해 살폈다.
수소결합은 질산염을 단순히 가까이 끌어오는 데서 끝나지 않았다. 질산염 내부의 전하를 재배치하고, 특정 N–O 결합을 늘여 환원이 시작되기 쉬운 상태로 바꿨다.
그다음 Zn을 산화·환원이 가능한 Fe로 바꾸자 질산염의 탈산소 반응이 일어났다. 연구진은 열 조건에서는 NO, 광화학 조건에서는 NH₃가 생성되는 촉매 환원까지 보였다.
핵심은 ‘더 강한 금속’을 찾은 것이 아니다.
금속 주변의 수소결합 위치와 산성도, 공간 배치를 설계해 반응물이 행동하는 방식을 바꾼 것이다.
이 기술은 지금 어디까지 왔을까
연구 성숙도는 ② 실험 증명 단계로 보는 것이 정확하다.
분자 수준의 설계원리와 촉매 반응은 실험으로 확인됐다. 하지만 실제 지하수 처리장치나 정수 시스템이 만들어진 것은 아니다.
앞으로 확인해야 할 조건이 많다.
- 실제 물속의 낮은 질산염 농도에서도 작동하는가
- 황산염·염화물 등 경쟁 이온이 있어도 선택적으로 붙잡는가
- 촉매를 회수하고 반복 사용할 수 있는가
- 장시간 사용해도 구조가 안정적인가
- 투입되는 에너지와 환원제 비용은 얼마인가
- 원하는 생성물을 안전하게 선택할 수 있는가
따라서 이 연구의 가치는 ‘새 정수기가 완성됐다’는 데 있지 않다.
촉매 설계의 초점을 중심 금속에서 주변 미세환경으로 넓힌 것에 있다.
같은 패턴 1 — 사람의 직관 주변에 물리 계산을 배치한 AI
비슷한 설계 원리는 효소공학용 AI 플랫폼 MutexaGPT에서도 보인다.
단백질 연구자는 “활성부위 공간을 더 넓혀 큰 기질을 받게 하고 싶다”처럼 물리적 직관을 말로 표현한다. 하지만 이 생각을 실제 분자동역학 계산과 시험할 돌연변이 목록으로 바꾸려면 전문 지식과 많은 작업이 필요하다.
MutexaGPT는 여러 LLM 에이전트를 이용해 빠진 조건을 질문하고, 물리 기반 모델을 정하며, 고처리량 분자동역학 계산을 구성하고, 결과를 시험 가능한 변이 후보로 바꾼다.
여기서도 AI가 정답을 마법처럼 만들어내는 것이 아니다.
사람의 직관 주변에 물리 제약과 계산 흐름을 배치해, 생각이 실제 실험으로 이어지게 만든다.
연구진은 큰 기질을 받는 효소와 저온에서 더 잘 작동하는 효소라는 두 과제로 이를 시연했다. 아직 범용 자율과학자는 아니며, 현재 구현된 계산지표와 효소 과제 안에서 작동하는 프로토타입이다.
같은 패턴 2 — 입자가 아니라 ‘얽힌 관계’에 정보를 저장한다
액정의 결함선을 이용한 네마틱 비트 연구도 같은 방향을 보여준다.
연구진은 상온의 네마틱 액정에서 빛으로 입자와 결함선을 움직여 이중나선 형태를 만들고, 결함선이 서로 어떻게 얽혔는지를 정보 상태로 사용했다.
중요한 것은 개별 입자 하나의 위치보다 전체 결함선의 관계다. 연산 순서를 바꾸면 결과가 달라지는 비가환적 땋기 연산도 실험으로 보였다.
다만 이것은 고전적인 액정 위상연산이다. 비가환 애니온이나 오류내성 양자컴퓨터를 구현했다는 뜻은 아니다.
여기서도 정보는 주인공 하나가 아니라 주변과 맺은 전체 관계에 저장된다.
세 연구를 잇는 하나의 지도
세 연구의 대상은 서로 다르다.
- 화학에서는 금속 주변의 수소결합이 질산염을 붙잡고 전하를 재배치한다.
- Scientific AI에서는 사람의 직관 주변에 물리모델과 계산 workflow를 배치한다.
- 연성물질에서는 개별 입자보다 결함선의 전체 얽힘 관계가 정보를 만든다.
하지만 설계 원리는 같다.
좋은 설계는 주인공 자체를 바꾸는 일이 아니라, 주인공이 제대로 작동할 무대를 만드는 일일 수 있다.
성능은 부품 하나의 고유한 능력만으로 결정되지 않는다. 부품이 놓인 환경, 지켜야 할 제약, 다른 요소와 맺는 관계가 함께 작동을 결정한다.
이 관점은 촉매와 AI, 소재를 넘어 제조공정에도 이어진다. 사출기의 성능도 기계 한 대만으로 정해지지 않는다. 금형 온도, 재료 상태, 주변 센서, 제어주기, 작업자의 판단이 어떤 관계로 묶이는지가 실제 품질을 만든다.
기술의 다음 돌파구는 더 강한 주인공이 아니라, 더 잘 설계된 무대에서 나올 수 있다.
용어를 쉽게 정리하면
2차 배위권(Secondary Coordination Sphere)
금속에 직접 붙은 원자 바깥에서 수소결합·전기장·공간 모양으로 반응물을 도와주는 영역. 촉매의 ‘주변 무대’다.
결합 친화도(Binding Affinity)
두 물질이 서로 얼마나 잘 붙으려 하는지를 나타내는 정도다. 높을수록 같은 조건에서 결합하기 쉽다.
산화·환원(Redox)
전자 이동이 일어나는 반응이다. 질산염 환원에서는 질소의 산화상태가 낮아지며 다른 물질로 바뀐다.
균일계 촉매(Homogeneous Catalyst)
촉매와 반응물이 같은 상, 보통 같은 용액 안에 있는 촉매다. 분자 수준에서 분석하기 좋지만 실제 공정에서는 회수와 재사용이 중요한 문제다.
자릿수 규모(Order of Magnitude)
10배씩 커지는 크기 차이다. 7 orders of magnitude는 대략 10⁷, 즉 천만 배 규모를 뜻한다.
연구 좌표
- 대표 연구: ② 실험 증명
- 핵심 돌파: 중심 금속이 아니라 주변 수소결합 환경 설계
- 정확한 숫자: Zn 모델의 첫 질산염 결합 친화도 약 1.5×10⁶ M⁻¹ 대 0.18 M⁻¹
- 과장 금지: 실제 정수 처리 성능이 천만 배 향상된 것이 아님
- 남은 병목: 실제 오염수, 경쟁 이온, 촉매 회수·수명, 에너지·원가, 생성물 선택성
직접 출처
- Nature Chemistry — Secondary-sphere hydrogen bonding promotes catalytic nitrate reduction at iron
https://www.nature.com/articles/s41557-026-02235-1 - Nature Computational Science — MutexaGPT: an intuition-to-design translator for physics-based enzyme engineering
https://www.nature.com/articles/s43588-026-01049-y - Nature Materials — Reconfigurable non-Abelian braiding of nematic bits
https://www.nature.com/articles/s41563-026-02728-x
— H.Sol
앨컴 통섭연구소