우리 연구실은 이동현상과 유변학을 기반으로 복잡유체가 공정 내에서 어떻게 변화하고, 공정성 및 제품 성능에 어떠한 영향을 미치는지를 규명하는 연구를 수행합니다. 배터리 및 연료전지 슬러리, 콜로이드 현탁액, 고분자 용융체 등 다양한 복잡유체 시스템을 다루며, 혼합, 분산, 막 분리와 같은 단위공정에서 발생하는 공정문제(분산 불량, 데드존, 막힘 등)를 체계적으로 분석합니다. 또한 모델링, 공정 실험, 전산모사, AI 기반 예측 및 최적화를 통합하여 공정 중의 복잡유체의 미세구조 변화와 물성 변화를 정량적으로 이해하고, 이를 바탕으로 공정 설계와 성능 향상을 위한 전략을 제시합니다. 이러한 연구 접근은 에너지 소재 공정, 지속가능한 플라스틱 공정, 디지털화 연구로 세분화되어, 차세대 환경 · 에너지 공정 개발에 필요한 기반 지식을 제공합니다.
Our lab aims to understand how complex fluids evolve during processing and how these changes influence processability, microstructure, and final performance. We study a wide range of systems—including battery and fuel-cell slurries, colloidal suspensions, and polymer melts—and investigate key unit operations such as mixing, dispersion, and membrane separation, where issues like poor dispersion, dead-zone formation, fouling, and clogging. To address these challenges, we integrate modeling, experimental analysis, computational simulations, and AI-driven prediction and optimization. This combined approach allows us to quantify microstructural and rheological changes during processing and develop strategies to improve overall process efficiency and reliability. These perspectives form the foundation for our research themes introduced below—processing of energy materials, sustainable polymer processing, and digitalization—and contribute advancing the next-generation environmental and energy technologies.
입자계 에너지 소재 공정 연구는 배터리 및 연료전지 슬러리와 같은 복잡유체가 제조 과정에서 어떻게 거동하며, 이러한 거동이 최종 전기화학적 성능으로 어떻게 이어지는지를 이해하는 데 중점을 두고 있습니다. 슬러리의 유변물성 및 미세구조 변화를 분석하여, 입자 간 상호작용, 분산 상태, 유동 조건이 점도, 점탄성, 요변성과 같은 특성에 어떠한 영향을 미치는지 규명합니다. 이러한 기초 이해를 바탕으로, 슬러리 및 콜로이드 시스템의 혼합 및 분산 제어를 연구하며, 슬러리 조성, 전단 조건, 혼합 강도 등이 응집, 분산도, 코팅 균일도에 미치는 영향을 분석합니다. 또한, 공정 특성과 기능적 성능의 연계를 위해 코인셀을 제조하고 전기화학 특성 평가를 수행하여, 슬러리의 미세구조 · 공정성 · 전극 구조 · 전기화학적 성능 간의 정량적 상관관계를 구축합니다. 유변학, 이동현상, 전기화학 평가를 통합하는 이러한 접근을 통해, 입자계 에너지 소재 제조 공정의 신뢰성과 효율성을 높이는 연구를 수행합니다.
Image courtesy of Erin Dillon, via www.chemengonline.com
지속가능한 플라스틱 공정은 플라스틱 순환경제 실현과 환경 문제 해결에 필수적인 연구 분야입니다. 우리 연구실은 플라스틱의 고분자 용융체 유변학을 기반으로 플라스틱의 기계적, 화학적 재활용을 위해 다양한 조건에서 고분자 용융체가 어떻게 흐르고 변형되는지를 분석하여, 공정 조건과 유변물성 간의 복잡한 상관관계를 규명하고 재활용 소재의 가공성과 최종 물성 향상을 위한 방안을 연구합니다. 또한 머신러닝 기반 예측 모델을 활용해 물성 데이터로부터 고분자 시스템의 점도 · 탄성 · 용융 안정성 등의 특성을 예측함으로써 시행착오를 줄이고 공정 설계 및 소재 개발의 효율성을 높이는 데에 관심이 있습니다. 더불어 FT-IR, DSC, TGA, GPC 등 다양한 분석기법을 통해 고분자 구조 분석 및 상용성 평가를 수행하여 용융 혼합 및 블렌딩 공정의 안정성을 확보하고 재활용 소재의 성능을 정량적으로 규명합니다. 이러한 연구를 통해, 친환경 플라스틱 제조공정과 지속가능 소재 개발을 목표로 공정 최적화와 재활용 효율 향상을 기대할 수 있으며, 재활용 공정의 효율성을 높이고 환경 영향을 최소화하는 미래 플라스틱 기술 개발에 기여하고자 합니다.
Image courtesy of Recykal, via recykal.com
다양한 환경 · 에너지 공정에서 발생하는 복잡한 유동 및 물성 변화를 정량적으로 이해하고 예측하기 위해 전산유체역학(CFD)과 공정 모델링을 기반으로 한 디지털 트윈 기술을 개발하고 있습니다. 이러한 물리 기반 모델은 슬러리 혼합, 코팅, 건조, 고분자 용융 유동, 막 분리 등 주요 단위공정의 거동을 가상환경에서 재현하여 최적 공정 조건과 문제 발생 원인을 미리 예측하는 데 활용됩니다. 더불어, 다양한 모달리티로부터 제공되는 데이터로부터 핵심 정보를 추출하고, 이를 머신러닝 및 AI를 통해 공정 해석 · 예측 · 최적화 모델을 구축하고 있습니다. 이미지 프로세싱, 통계 분석, 데이터베이스 구축을 통해 미세구조-공정-성능 간 상관성을 정량화함으로써, 실험과 시행착오에 의존하던 기존 공정 개발을 데이터 기반의 지능형 의사결정 방식으로 전환하는 것을 목표로 하고 있습니다. 이러한 디지털 트윈 및 AI 전환 기술은 차세대 에너지 · 환경 공정의 효율성과 신뢰성을 크게 향상시키는 핵심 도구가 될 것입니다.
Image courtesy of Dijam Panigrahi, via www.automation.com