열분해반응 데이터 구축 모델 연구

국문 초록 (Abstract)

열분해반응 의심 사고사례에 대한 문헌·자료 조사를 통해 원인 물질의 화학 구조별 분류와 유형별 분류를 진행하였다. 유기 화합물은 toluene계열이, 무기 화합물은 질소와 할로겐 원소를 포함한 화합물이 가장 많았다. 농약 합성의 중간체인 2-chloro-N-(cyano-2-thienylmethyl) acetamide (CCTA)와 CCTA와 유사한 구조 5종의 열분해반응 메커니즘은 밀도범함수 밀접 결합 (density functional tight-binding, DFTB)을 기반으로 한 분자 동역학 (molecular dynamics, MD) 시뮬레이션을 수행하고, 이를 바탕으로 밀도범함수이론 (density functional theory, DFT)과 정확한 순이론 (ab initio) 양자화학 계산 방법인 coupled-cluster singles and doubles with perturbative triples (CCSD(T))를 사용하여 규명하였다. CCTA와 CCTA류 분자 5종의 메커니즘에 대한 반응열 및 Rice?Ramsperger?Kassel?Marcus (RRKM) 이론과 변분 전이 상태 이론 (variational transition state theory, VTST)을 적용하여 반응속도상수를 계산하였다. 그 결과 CCTA 열분해반응은 500 K 이상에서 개시될 가능성이 높으나 부분 압력이 큰 경우 개시 온도가 더 낮아질 수 있다고 예측하였다. 실제 상황에 근접하기 위해 다수의 CCTA 및 CCTA류 분자에 대한 DFTB-MD 시뮬레이션을 수행하여 가장 빈번하게 발생하는 주요 열분해 메커니즘을 관찰하였다. 가장 높은 반응성을 보인 CCTA의 경우 DFTB-MD 시뮬레이션 시간을 200 ps까지 늘린 결과 주요 열분해 메커니즘의 발생 빈도가 더욱 증가함을 확인하였다. 본 연구에서 수행한 양자화학 계산, 반응속도상수 계산, DFTB-MD 시뮬레이션 결과가 모두 일관되게 CCTA의 주요 열분해 메커니즘이 다른 분자에 비해 더욱 발생할 가능성이 높음을 나타내고 있으므로, 본 연구에서 도출된 결과의 신뢰성이 매우 높음을 보여주고 있다고 할 수 있다. CCTA 및 CCTA류 분자의 발화점을 머신 러닝 (machine leaning, ML)을 활용하여 평균 절대 오차 (Mean absolute error, MAE)가 34 ℃ 수준까지 예측하였다.

목차 (Table of Contents)

• Ⅰ. 서 론
• 1. 연구 용역 사업 개요
• 가. 용역 과제 명
• 나. 추진 배경 및 필요성
• 다. 용역 추진 목적
• 2. 주요 사업 내용
• 가. 사업 범위
• 나. 세부 추진 일정
• Ⅱ. 연구내용 및 방법
• 1. 연구내용
• 2. 연구방법
• 가. DFTB-MD 시뮬레이션
• 나. DFT 및 CCSD(T) 양자화학 계산
• 다. RRKM 및 VTST 이론을 사용한 반응속도상수 계산
• 라. ML을 사용한 발화점 예측
• Ⅲ. 연구결과 및 고찰
• 1. 열분해반응 물질의 화학구조별 분류
• 가. 열분해반응물질 사고사례 등 문헌·자료조사
• 나. 열분해반응 가능 화학구조 탐색 및 유형별 분류
• 2. CCTA류 물질의 열분해반응 예측 모델 개발
• 가. 제일원리 전산 반응모델 구축을 통한 반응정보 예측
• 나. 열분해 반응생성물 예측을 위한 반응메커니즘 확보
• (1) CCTA 열분해반응 메커니즘
• (2) CEA 열분해반응 메커니즘
• (3) CA 열분해반응 메커니즘
• (4) CPA 열분해반응 메커니즘
• (5) CTMA 열분해반응 메커니즘
• (6) CFA 열분해반응 메커니즘
• 3. CCTA류 물질의 열분해반응 데이터베이스 구축
• 가. 분해반응 개시조건 등 사고예방 정보 마련
• 나. 반응생성물, 반응열, 압력 등 사고피해 최소화 정보 마련
• (1) 열분해반응 생성물 및 온도에 따른 반응열
• (2) CCTA 및 CCTA류 분자 열분해반응 MD 시뮬레이션
• (3) Machine learning을 이용한 CCTA 및 CCTA류 발화점 예측
• Ⅳ. 결 론