(왼쪽부터)정대운 국립창원대 교수, 황재훈 캐나다 콘코디아대 교수.(사진=국립창원대 제공)

국립창원대학교는 스마트그린공학부 환경에너지공학전공 정대운 교수(교신저자) 연구팀이 캐나다 콘코디아대학교 황재훈 교수팀 및 미국 The University of Texas Rio Grande Valley 연구진과의 국제공동연구를 통해 환경과학 분야 세계적 권위 학술지 ‘Journal of Hazardous Materials’에 게재가 승인됐다고 7일 밝혔다. 해당 학술지는 JCR(2024) 기준 영향력지수(Impact Factor) 11.3, JCR ‘Environmental Sciences’ 분야 상위 5.05%(19/376) 에 해당하는 저널이다.

이번 논문은 전 세계적으로 심각한 환경 이슈로 부상한 과불화알킬·폴리플루오로알킬 물질(PFAS)을 대상으로, AI(인공지능)과 ML(머신러닝)을 활용한 관리 방법론과 실무적 인사이트를 체계적으로 정리한 Review 논문이다.

정대운 교수 연구팀에 따르면 PFAS는 강한 탄소-불소(C-F) 결합으로 인해 열화학적으로 매우 안정하기 때문에 환경에서 분해가 어렵고, 수계 전반에서 검출되는 특성이 있어 ‘난분해성(지속성) 오염물질’로 관리 필요성이 커지고 있다. 그러나 PFAS 종류가 매우 다양하고, 지역, 계절, 시설 조건 등에 따라 농도와 조성이 달라져 데이터가 복잡하고 제각각이라는 점 때문에 관리가 필요함에도 불구하고 마땅한 대책이 없는 실정이다.

연구팀은 2019~2025년 기간의 선행연구를 폭넓게 분석해 PFAS 오염 관리 전 과정에서 AI/ML이 어떻게 활용되고 있는지를 입력 데이터 유형, 데이터 규모, 알고리즘 특성, 성능 평가 방법, 해석가능성(interpretability) 관점에서 비교 분석했다. 특히 ▲분자 수준 분석 및 특성화 ▲탐지 및 (비)표적 식별 ▲오염원 할당(원인규명) ▲모니터링 및 발생/위험 예측 ▲처리 모델링 등 핵심 5개 영역을 하나의 연속적 흐름으로 연결하는 ‘AI 기반 통합 프레임(스마트 관리 프레임)’을 제시한 것이 특징이다.

연구팀이 제시한 주요 메시지는 ▲PFAS 특성화-탐지-오염원 규명-처리 최적화전 단계에서 머신러닝 활용이 핵심 ▲다양한 문제 설정에서 트리 기반 앙상블 모델과 딥러닝 모델의 전반적인 우수 성능 ▲PFAS 분야는 ‘정답(라벨)’이 제한적인 데이터가 다수를 차지하기 때문에 비지도/준지도 학습과 전이학습과 같은 접근을 통한 데이터 한계를 보완이 필수 ▲무엇보다 표준화된 고품질 데이터의 부족과 이질성(데이터가 제각각인 문제)이 모델 정확도와 현장 적용성의 병목으로 작용하고 있어 데이터 거버넌스(수집·정리·공유·검증 체계)구축이 해결의 핵심이라는 점이다.

또한 PFAS는 비선형적 거동과 다수의 상호작용 요인을 갖는 특성이 있어 기존 경험식이나 기작 기반 접근만으로는 거동해석 및 제거에 있어 한계가 있어 AI/ML이 분자 특성, 환경 변수, 운전 조건 간 ‘숨은 관계’를 학습함으로써 의사결정(우선순위 설정, 운영 조건 최적화등)을 효과적으로 지원할 수 있음을 강조했다.

정대운 국립창원대 교수는 “PFAS 문제는 ‘어떻게 측정할 것인가’에서 ‘어떻게 관리할 것인가’로 넘어가고 있다”며 “이번 종설은 탐지-원인규명-예측-처리를 하나의 데이터 흐름으로 연결하는 AI 활용 로드맵을 정리한 것으로, 연구자뿐 아니라 규제·현장 의사결정에도 실질적 기준점을 제공할 것”이라고 설명했다.

한편 이번 성과는 중견연구 및 차세대 유망 seed 기술실용화 패스트트랙사업의 연구비 지원을 통해 수행됐다.