Research

기후변화, 산업화, 인구 증가로 인한 물 부족 위기에 대응하기 위해, 담수화 기술은 단순한 처리 기술을 넘어 지속 가능성, 에너지 효율성, 유연성을 모두 만족시켜야 하는 복합 시스템으로 발전하였습니다. 특히, 고회수율 운전을 지향하는 회분식 역삼투(BRO), 반 회분식 역삼투(SBRO), 하이브리드형(HSBRO) 시스템은 시간에 따라 변화하는 압력과 농도 조건 하에서 농도 분극, 스케일링, 막 오염(fouling), 멤브레인 compaction과 같은 비선형적이고 복합적인 현상이 발생하기 때문에, 이에 대한 정량적 모델링과 해석이 시스템 설계 및 운전 전략의 핵심으로 작용합니다.

따라서 우리 연구실은 이러한 기술적 요구에 부응하기 위해, 역삼투(RO), 정삼투(FO), 압력지연식막증발(PRMD) 등 다양한 저에너지 기반 공정을 대상으로 수학적 모델 수립과 시뮬레이션 기반의 성능 분석 및 최적화를 수행하고 있습니다. 이를 통해 우리 연구실은 차세대 담수화 기술의 고효율화, 소형화, 수원 적응성 향상을 위한 과학적 기반을 구축하고 있습니다. 

• RO, FO, PRMD 등 다양한 저에너지 담수화 공정의 설계 혁신 및 운전 효율 향상을 위한 모델링 및 최적화 연구, 재생에너지 연계 운전까지를 포함한 다양한 응용 분야를 고려

• 고회수율 역삼투(RO) 공정에 대한 시뮬레이션 기반 해석을 수행하며, 스케일링 및 막 오염(fouling) 저감 전략과 비정형 수원(고염도, 산업 폐수 등) 처리에 중점을 둠

• 적응성과 에너지 효율을 강화하기 위해, 하이브리드형 및 회분식 담수화 시스템의 동적 모델링 및 시스템 수준 성능 분석을 통한 설계 및 평가를 수행

In response to growing water scarcity driven by climate change, industrialization, and population growth, desalination technologies have evolved beyond simple treatment methods into complex systems that must meet the demands of sustainability, energy efficiency, and operational flexibility. In particular, high-recovery processes such as batch reverse osmosis (BRO), semi-batch reverse osmosis (SBRO), and hybrid systems (HSBRO) involve time-dependent variations in pressure and concentration, which give rise to nonlinear and coupled phenomena such as concentration polarization, scaling, membrane fouling, and compaction. As such, quantitative modeling and analysis of these phenomena are essential for system design and operational strategy.

To address these technical challenges, our lab conducts mathematical modeling, simulation-based performance analysis, and optimization of various low-energy desalination processes, including reverse osmosis (RO), forward osmosis (FO), and pressure-retarded membrane distillation (PRMD). Through this work, we aim to establish a scientific foundation for developing next-generation desalination systems that are energy-efficient, compact, and adaptable to diverse water sources.

• Modeling and optimization of low-energy desalination systems (e.g., RO, FO, PRMD) focusing on design innovation and operational efficiency for diverse applications, including renewable energy integration.

• Simulation-based analysis of high-recovery RO processes, with emphasis on scaling/fouling mitigation strategies and treatment of challenging or unconventional water sources.

• Development and evaluation of flexible hybrid and batch-type desalination configurations using dynamic modeling and system-level performance analysis for enhanced adaptability and energy efficiency.

환경친화적 수처리 및 에너지 생산이 통합된 시스템의 설계와 모델링을 중심으로 연구를 수행하고 있습니다. 특히 고염도 해수 및 염수에 대한 저에너지 담수화 기술과, 저온 폐열 또는 태양열을 활용한 물-에너지 동시 생산 공정(DSARO, RO-PRO, PRMD 등)에 주력하고 있습니다. 이러한 시스템은 화학공정 모델 기반의 시뮬레이션과 최적화를 통해 성능을 평가하며, MATLAB과 Aspen 등을 활용한 데이터 기반 해석으로 실제 적용 가능한 고효율 운영 조건을 도출합니다. 또한, LCA(Life cycle assessment)를 통해 공정의 환경영향을 정량적으로 평가하고 있으며, 에너지–물–자원 통합 관점에서 지속가능한 공정 설계를 지향합니다. 궁극적으로는 탄소중립 실현과 실용 기술 확보를 목표로 친환경 수처리 기술의 산업적 확산에 기여하고자 하며, 이와 같은 통합형 시스템은 무방류(ZLD) 달성은 물론, 에너지 회수와 이차자원 활용까지 고려한 지속가능한 수처리 공정으로의 발전 가능성을 갖추고 있습니다.

• 고염도 brine 대상 저에너지 담수화 기술 개발: 해수 및 산업 brine과 같은 고염도 유입수를 처리하기 위한 에너지 효율적 담수화 시스템 개발

• 환경친화적 수처리 및 에너지 생산 통합 시스템 설계 및 모델링: 해수 및 brine 대상 저에너지 담수화 시스템과, 폐열 및 태양열을 활용한 하이브리드 시스템(DSARO, RO-PRO, PRMD) 개발

• 재생에너지 및 폐열 활용: 태양열 및 저온 폐열 통합을 통한 자립형 물-에너지 생산 시스템 개발

• 환경영향 평가 및 지속가능한 공정 설계: 정량적 환경영향 평가를 위한 전과정평가(LCA) 수행 및 에너지-물-자원 통합 기반 공정 최적화

• 탄소중립 및 산업 실용화 기여: 무방류 달성, 에너지 회수, 자원 재활용이 가능한 실용적이고 확장 가능한 친환경 수처리 기술 개발

Our research focuses on the design and modeling of integrated systems for environmentally friendly water treatment and energy production. In particular, we are developing low-energy desalination technologies for high-salinity seawater and brine, as well as hybrid systems that enable simultaneous water and energy production using low-grade waste heat or solar energy, such as DSARO, RO–PRO, and PRMD. These systems are evaluated through process modeling, simulation, and optimization techniques, and we derive practical, high-efficiency operating strategies using data-driven analysis tools including MATLAB and Aspen.

In addition, we conduct life cycle assessment (LCA) to quantitatively evaluate the environmental impacts of these processes and pursue sustainable process design from an integrated energy-water-resource perspective. Ultimately, our research aims to contribute to carbon neutrality and the deployment of practical, industry-ready technologies for eco-friendly water treatment. Integrated systems developed in this context have the potential to evolve into sustainable processes that not only achieve zero liquid discharge (ZLD) but also enable energy recovery and resource reutilization.

• Low-energy desalination for high-salinity brine: Development of energy-efficient desalination systems targeting hypersaline streams from seawater and industrial brine.

• Design and modeling of integrated systems for environmentally friendly water treatment and energy production: Development of low-energy desalination systems for high-salinity seawater and brine, and hybrid systems (DSARO, RO–PRO, PRMD) using waste heat or solar energy.

• Utilization of renewable energy and waste heat: Solar energy and low-temperature waste heat integration for self-sustainable water-energy production systems.

• Environmental impact assessment and sustainable process design: Life Cycle Assessment (LCA) for quantitative environmental evaluation and integrated energy-water-resource system design.

• Contributing to carbon neutrality and industrial deployment: Development of practical, scalable technologies for eco-friendly water treatment, aiming for zero liquid discharge (ZLD), energy recovery, and resource reutilization.

우리 연구실은 첨단 인공지능(AI) 기술을 화학공학의 기초 이론과 결합하여 공정 모델링, 최적화, 제어 기술을 고도화하는 연구를 수행하고 있습니다.

Python, MATLAB, Simulink와 같은 도구를 활용하여 복잡한 화학 공정의 문제를 해결할 수 있는 지능형 시스템을 개발하는 데 주력하고 있습니다.

주요 연구 분야에는 실험 데이터 처리, 공정 예측 및 해석을 위한 기계학습(ML)과 설명 가능한 인공지능(XAI), 동적 최적화를 위한 강화학습(RL), 디지털 트윈 시스템을 통한 실시간 최적화, 그리고 물리화학적 모델과 AI 기반 접근법을 결합한 하이브리드 시뮬레이션 기법이 포함됩니다. 

이를 바탕으로 해수 담수화, 결정화 등 다양한 분야에 적용 가능한 AI 모델링 연구를 진행하고 있습니다.

• 실험 데이터 처리 및 특징 엔지니어링: 전처리를 통해 중요한 특징을 효율적으로 추출하고 모델의 정확도와 견고성을 향상. 데이터 정제, 이상치 탐지, 특징 선택 등을 포함하여 최적의 모델 학습을 지원.

• 화학 공정 예측 및 해석: 기계 학습(ML)과 설명 가능한 인공지능(XAI)을 활용하여 복잡한 화학 반응 거동을 예측하고, 주요 운전 변수를 식별하여 모델의 예측 결과에 대한 과학적 통찰을 제공.

• 강화 학습을 통한 동적 최적화: 실시간 공정에서 제어 전략을 최적화하고, 에너지 소비를 최소화하며, 운전 효율성을 향상시키기 위한 강화 학습 기반 프레임워크 개발.

• 실시간 최적화 및 디지털 트윈 시스템: AI와 디지털 트윈을 결합하여 예측 유지보수, 이상 탐지, 실시간 공정 제어를 실현하고, 시뮬레이션과 실제 운전 간의 원활한 전환을 지원. 

• 하이브리드 시뮬레이션 기법: 결정론적, 확률론적, 물리화학적 모델과 AI 기반 접근법을 결합하여 기본 물리 법칙과 복잡한 데이터 기반 패턴을 모두 반영하는 높은 신뢰성의 공정 시뮬레이션을 구현, 종합적인 공정 시뮬레이션 인사이트 제공.

• 에너지 효율 및 지속 가능성: AI를 활용하여 탄소 배출을 줄이고, 자원 활용을 최적화하며, 화학 제조 공정의 지속 가능성을 향상.

Our research group integrates advanced artificial intelligence (AI) techniques with fundamental chemical engineering principles to enhance process modeling, optimization, and control. Utilizing tools such as Python, MATLAB, and Simulink, we focus on developing intelligent systems that address complex challenges in chemical processes. Our work encompasses experimental data processing, machine learning (ML) and explainable AI (XAI) for process prediction and interpretation, reinforcement learning (RL) for dynamic optimization, real-time optimization through digital twin systems, and hybrid simulation methodologies that combine physicochemical models with AI-driven approaches. Based on this, we are conducting AI modeling research that can be applied to various fields such as seawater desalination and crystallization.

• Experimental data processing and feature engineering: efficient preprocessing and extraction of critical features from raw experimental data to improve model accuracy and robustness. this includes data cleaning, outlier detection, and feature selection for optimized model training.

• Chemical process prediction and interpretability: applying ML and XAI to predict complex chemical behaviors, identify key operational parameters, and provide scientific insight into model predictions.

• Reinforcement learning for dynamic optimization: developing RL-based frameworks to optimize control strategies, minimize energy consumption, and enhance operational efficiency in real-time chemical processes.

• Real-time optimization and digital twin systems: integrating digital twins with AI for predictive maintenance, anomaly detection, and real-time process control, enabling seamless transitions between simulation and real-world operations.

• Hybrid simulation methodologies: integrating deterministic, probabilistic, and physicochemical models with AI-driven approaches to achieve accurate and reliable process simulations, capturing both fundamental physical laws and complex data-driven patterns for robust performance across diverse operating conditions, including extrapolation beyond experimental ranges.

• Energy efficiency and sustainability: leveraging AI to reduce carbon footprint, optimize resource utilization, and enhance the sustainability of chemical manufacturing processes.

Crystallization은 고순도의 고체 물질을 선택적으로 분리·정제할 수 있는 핵심 공정으로, 본 연구실은 이러한 결정화의 특성을 다양한 공정 환경에 적용하여 고순도 물질 회수 및 수처리 시스템의 효율 향상에 대한 연구를 수행했습니다. Crystallization은 염 분리, 자원 회수, 의약품 정제, 식품 정제 등 다양한 산업에 적용할 수 있습니다. 본 연구실은 결정화 공정의 물리적 메커니즘에 대한 이해를 바탕으로 다양한 응용 분야에 적합한 정밀한 공정 모델링과 최적화 전략을 제시합니다. 앞으로도 지속 가능한 순환 경제 실현에 기여하는 고도화된 결정화 공정 설계 연구를 수행해 나갈 예정입니다.

• Crystallization 모델링: Population Balance Equation (PBE)을 기반으로 thermodynamic equilibrium 모델을 통합한 결정화 시뮬레이션 프레임워크를 구축.

• 데이터 선별 & 최적화: Deep Neural Network(DNN) 기반 분류기를 통해 실행 불가능한 운전 조건 영역을 사전에 제거하고, Bayesian Optimization (BO)를 적용하여 운전 조건을 효율적으로 탐색 및 최적화.

• 하이브리드 공정: crystallization을 전방삼투(FO), 역삼투(RO) 등과 결합해 고염도 해수 처리와 고품질 투과수 생산이 가능한 복합 공정을 설계. 폐열 활용 등의 방안을 통해 경제성을 향상하고 비용 측정 모델 설계로 경제성을 평가.

• 제로 액체 배출(ZLD) 및 고염도 농축수 담수화: 결정화는 담수화 및 산업 폐수 처리에서 제로 액체 배출 또는 최소 액체 배출 달성에 필수적임. 염의 침전 및 고액 분리를 통한 액체 폐기물 최소화 및 고염 농축수의 환경적 문제 해결이 가능.

Crystallization is a key process for the selective separation and purification of high-purity solid materials. Our laboratory applies the principles of crystallization to diverse process environments to improve the recovery of high-purity materials and enhance the efficiency of water treatment systems. Crystallization can be applied to various industries such as salt separation, resource recovery, pharmaceuticals, and food refining. Our laboratory proposes precise process modeling and optimization strategies suitable for various application fields, based on a deep understanding of the physical mechanisms of crystallization. Furthermore, we will also carry out advanced crystallization process design that contributes to the realization of a sustainable circular economy.

• Crystallization modeling & complex equilibria Analysis: Development of a crystallization simulation framework integrating a thermodynamic equilibrium model based on the Population Balance Equation (PBE)

• Screening & Optimization: Screening of infeasible operating domains using a Deep Neural Network (DNN)-based classifier and optimization of operating conditions via Bayesian Optimization (BO)

• Hybrid process: Design a hybrid process that integrates crystallization with forward osmosis (FO) and reverse osmosis (RO), and other technologies to treat high-salinity seawater and produce high-quality permeate. Enhance economic efficiency through strategies such as waste heat utilization and assess economic viability through a cost analysis model. 

• Zero Liquid Discharge (ZLD) and High-salinity water desalination: Crystallization is essential for achieving zero liquid discharge or minimal liquid discharge in desalination and industrial wastewater treatment. It enables the minimize liquid waste through salt precipitation and solid-liquid separation, thereby addressing the environmental issues associated with high-salinity water.