금속유기골격체(Metal-Organic Frameworks, MOFs)의대량 전산 스크리닝에 대한 최신 동향 -> 백금촉매 대체 기술 동향(MOF계 촉매)

서론

나노 구조가 만들어 내는 분자레벨의 규칙적 기 공성(porosity)을 기반으로 한 물질들은 화학공학과 밀접한 에너지 저장과 변환, 촉매 반응, 그리고 분 리 공정의 효율을 향상시킬 수 있다. 특히 열을 기반 으로 하는 증류 공정(distillation)과 비교하였을 경우 기공성을 가지고 있는 물질들을 사용하는 분리공정 (예를 들면 분리막 공정이나 흡착 공정)은 에너지 비 용 절감, 비점이 비슷한 분자들의 효율적 분리, 열 에 민감한 물질들의 분리, 그리고 거울 상 이성질체 (enantiomer)의 분리와 같은 실현하기 어려운 분리의 가능성을 높여 줄 수 있기에 많은 연구자들이 이러 한 나노 기공성을 가진 물질들을 합성하고 개발하고 있다.

 

기공성을 가진 나노 구조 물질 중 현재 가장 많이 연구되고 있는 물질들로는 금속유기골격체(MetalOrganic Frameworks, MOFs)가 있다. MOF는 고체의 결정물질로써 나노 크기의 기공과 넓은 비표면 적을 가지고 있다. 1999년 Omar Yaghi 교수(현 UCBerkeley 교수)가 기공성을 가지고 있는 MOF-5를 보 고 한 이후로부터 20여년 지난 2019년 현재, 몇몇 잘 알려진 MOF들을 기반으로 하여 상품들이 제작되어 시장에 나와 있다. 이 중 2011년 미국 노스웨스턴 대 학에서 나온 spin-off 기업인 NuMat Techonologies에 서는 독성 산업 가스(toxic industrial gas)를 상압보다 낮은 압력(sub-ambient pressure)에서 저장할 수 있는 ION-X라는 가스 탱크 솔루션을 만들어 이를 버슘 머테리얼스에 납품하고 있다. MOF는 유기 리간드와 금속 이온의 강한 결합을 바탕으로 합성되는 결정 물질이며 유기 리간드와 금 속 이온의 조합을 바탕으로 다양한 망구성(topology) 을 가진 구조체의 합성이 가능하며 최근까지 8만여 개가 넘는 MOF들이 보고되었다고 알려져 있다.3, 4 이 중 공극을 가지고 있는 MOF의 경우 1만여개가 넘는 MOF들이 합성되어 보고되었다고 알려져 있다. MOF의 가장 큰 장점은 공극의 크기와 모양, 그리고 표면 의 화학적 특성들을 적절한 유기리간드와 금속이온 의 조합으로 설계 할 수 있다는 점이다. 또한 이를 바 탕으로 가스 분자들을 선택적으로 흡착 분리를 하거 나 촉매 반응을 유도해 낼 수 있다는 점이다. 하지만 MOF의 경우 지금껏 보고된 구조체들의 숫자가 많고 현재도 지속적으로 새로운 구조체들이 합성되고 있 기 때문에 연구자가 원하는 흡착 또는 촉매 특성을 가지고 있는 고성능 MOF를 찾는 일은 쉽지가 않다. 따라서 분리하고자 하는 기체의 조성과 흡탈착 조건 을 기반으로 대량의 분자 전산모사를 수행하여 흡착 등온선을 얻고, 이를 기반으로 기체 분리에 높은 선 택도를 보이는 고성능 MOF를 찾는 연구들이 최근 활 발하게 진행되고 있다. 따라서 본 기고에서는 MOF의 대량 전산 모사 스크리닝에 기반이 되는 MOF 구조체 데이터베이스들이 어떠한 종류들이 있는지 살펴보고 이러한 데이터베이스를 스크리닝하여 나온 고성능 구조체들을 합성하고 테스팅한 예를 소개하고자 한다. 참고로 본 기고의 내용의 일부분은 본 저자가 다 른 저자들과 최근 발표된 MOF 스크리닝에 대한 리뷰 논문에서 차용했다는 점을 밝혀둔다.1

 

 

본론

 

2.1 MOF 구조체 데이터 베이스 MOF 구조체 데이터 베이스의 경우 크게 2종류 로 나눌 수 있다. 첫번째는 유기 리간드와 금속 이온 을 기반으로 컴퓨터 코드를 활용하여 컴퓨터 상에서 “합성” 하는 가상의 (hypothetical) MOF database가 있 다. 두번째는 이미 합성된 MOF 구조체를 모아 둔 실 존(real) MOF database가 있다. Hypothetical MOF database의 경우 2011년 미국 시 카고 근교에 위치한 Northwestern 대학 Chemical & Biological Engineering의 Randall Snurr 교수의 그룹 에서 세계 최초로 만들어졌다.5 흔히 hMOF database 라고 부르며 이미 합성된 MOF 구조체에서 빼 내온 102개의 유기 리간드들과 금속 이온들을 자체적으로 개발한 컴퓨터 코드를 바탕으로 bottom-up 방식으 로 조합하여 130,000 여개의 hMOF 구조체들을 컴퓨 터 상에서 만들었다. 이렇게 만든 구조체들에 grand canonical Monte Carlo(GCMC) 시뮬레이션을 수행하 여 차량 탑재용 탱크에 메탄의 흡착 저장 성능을 계 산하였다. 이렇게 대량으로 얻은 데이터를 기반으 로 top 2% 안에 드는 구조체들 중 합성이 가능한 구 조체를 실험자들과 논의를 통해 찾아 합성하여 이 에 대한 메탄 흡착 성능을 테스팅하였다. 관련 내용 은 2012년 Nature Chemistry에 보고가 되어 현재까 지 700여회 인용이 되었다. 하지만 hMOF DB에 있 는 구조체의 경우 레고를 조립하듯이 bottom-up 방 식의 알고리즘을 사용하여 만들기 때문에 MOF의 topology의 종류가 상대적으로 종류가 10여개 밖에 안되는 것으로 밝혀졌다. 또한 만들어진 topology의 경우 대칭성이 낮은 topology라 실제로 hMOF DB에 존재하는 구조체들을 실험적으로 합성하기가 쉽지 가 않았다. 일례로 UC Berkeley의 Jeff Long 연구 그 룹에서 박사 후 연구원 중 한 명에게 기체 저장 성능이 좋은 hMOF 구조체를 6개월 간 만들어 보라고 하 였지만 별 성과 없이 끝나기도 하였다고 한다. 따라서 실험 연구에서 새로운 MOF 구조체를 합성할 때 참고 하는 설계 도면과도 같은 MOF의 topology를 바탕으로 하여 MOF 구조체를 컴퓨터 상에서 만드는 연구들이 전 세계적으로 진행되었고 현재까지 대략 3~4 연구 그룹이 이 분야에 활발하게 연구를 하고 있다.7-9 이렇게 가상으로 만들어진 구조체들의 database가 얼마나 쓸모가 있을까? 다공성 물질 내부에서 기체 의 흡착 성능은 구조체의 비표면적, 흡착열, 그리고 기공 크기와 같은 물리/화학적 지표들에 따라 달라진 다. 또한 기체 혼합물의 종류와 조성에 따라 최적의 구조체가 가지는 물리/화학적 지표들과 구조체들의 상관관계(structure-property relationship)의 범위가 달 라지게 된다. 따라서 최근 수 년 동안 hMOF database 를 기반으로 하여 대량 전산모사(high-throughput computational screening)를 수행한 뒤 얻은 데이터를 기반으로 하여 다양한 기체 저장과 분리 분야에서의 structure-property relationship을 빠르게 얻어 보고하 였다.10-12 또한 구조체 데이터베이스를 기반으로 하여 인공 지능 신경망(artificial neural network),13, 14 유전 알 고리즘15과 같은 최신 데이터 사이언스 방법들을 적용해 좀 더 효율적으로 계산을 수행하는 연구들도 보 고가 되었다. 특히 topology 방식의 조합을 활용하여 차량용 메탄과 수소의 저장 등에 대해 대량 전산모사 계산들이 다양한 방식으로 진행되었다(그림 4).7, 16 이 렇게 얻은 “빅” 데이터를 시각화 하면 차량용 메탄과 수소저장에 유용한 구조체가 가지고 있는 물리/화학 적 성질이 무엇인지를 알 수 있다는 장점이 있다. 몇 몇의 경우를 제외하고 이렇게 컴퓨터로 조합된 고성 능의 MOF를 실험팀과의 협업을 통해 합성하고 이렇 게 합성된 MOF에 측정한 물성 값도 시뮬레이션을 통 해 예측한 값들에서 크게 벗어나지 않는다. 하지만 컴퓨터 상에서만 조합된 구조체들은 실험 합성 조건 을 잡기에 많은 시간을 소요해야 되는 단점이 있어, 고성능 MOF를 실제 합성을 통해 구현하기는 쉽지가 않다는 단점이 있다.

 

2.2 합성된 MOF 구조체 데이터 베이스 구축 컴퓨터에서만 존재하는 가상의 구조체들로 구성 된 MOF DB와 달리 실험자들이 합성해서 만들어진 일정한 크기의 공극을 가진 MOF구조체들의 수는 1 만여개가 넘게 문헌에 보고되었다. 이렇게 이미 문헌 에 보고된 구조체들의 경우 가상의 MOF DB와는 달리 합성 방법이 알려져 있다는 장점이 있다. 따라서 이렇게 이미 합성된 MOF 구조체들의 정보를 데이터 베이스화 하고 이를 바탕으로 대량 전산모사 스크리 닝을 한다면 성능이 좋은 구조체를 빠르게 발견할 수 있음과 동시에 발견한 구조체들을 손쉽게 합성을 할 수 있다는 아주 큰 장점이 있다. 따라서 이미 합성이 되어 문헌에 보고된 구조체들의 데이터베이스를 만 들고 이를 원하는 기체 저장 또는 분리에 대해 빠르 게 스크리닝하는 연구들이 아주 활발하게 진행되고 있다.

 현재까지 보고된 MOF의 원자들의 위치에 대한 정보를 담고 있고, 컴퓨터 시뮬레이션을 수행할 때 의 input 파일로 사용되는 구조체의 crystallographic information file(CIF) 대부분은 Cambridge Crystallographic Data Centre(CCDC)에서 관리하고 있 는 Cambridge Structural Database(CSD)에서 얻을 수 있다. 하지만 CSD에서 얻은 구조체들을 그대로 가 져다가 쓰게 되면 구조내부에 있는 solvent 또는 구 조체가 disorder된 화학적으로 맞지 않은 구조체를 기반으로 계산을 진행하게 된다. 따라서 이러한 구조체를 기반으로 얻은 전체적인 structure-property relationship이나 성능 또한 부정확하게 예측이 된 다. 즉 garbage in, garbage out이 된다. 따라서 CSD에 deposit되어 있는 구조체를 기반으로 MOF DB를 만 들기 위해선 CSD에 얻은 구조체 파일에 일련 작업들 을 거쳐야 한다. 이러한 작업들을 MOF DB를 쓰고 싶 은 연구그룹들이 일일이 수행하기엔 쉽지가 않다. 따 라서 이러한 일련의 작업들을 거친 MOF 구조체를 모 아둔 Computation-Ready Experimental MOF Database (CoRE MOF DB)를 미국 Northwestern University와 Georgia Tech의 공동연구를 통해 구축을 한 연구 결 과가 2014년 Chemistry of Materials에 보고되었다.3 또 한 2017년에는 CSD 자체적으로 CSD에 deposit되고 있 는 MOF들을 실시간으로 찾을 수 있도록 하는 CSDMOF subset이라는 interface를 개발하였다.4 이 두개 의 DB는 실험으로 합성된 MOF 구조체를 기반으 로 하는 DB라는 점에선 같지만 MOF 구조체의 postprocessing 등의 다른 점들이 존재하고 있다. 아무튼 이렇게 개발된 CoRE MOF DB의 활용성을 높이기 위 해 Georgia Tech의 David Sholl 교수 연구팀은 5천여개 가 넘는 구조체에 대하여 VASP을 통해 대량의 DFT 계산을 수행하였고 이 중 2,900개의 구조체에 대해 DFT 기반의 부분 원자 전하(partial atomic charges)를 지정할 수 있었다.18 이중 900개의 구조체를 DFT를 통 해 에너지 최적화 시켜서 보고하기도 하였다.19 참고 로 대량의 DFT 계산을 위해 들어간 전기 값만 하더라 도 한화로 2억원이 넘는 돈이 들었다고 한다. 몇 개의 대표적인 MOF 데이터베이스에 대해선 표 1에 정리 해 두었다.

 

2.3 CoRE MOF DB를 기반으로 한 다공성 물질 성능 예측 및 합성 CoRE MOF DB를 활용하여 대량 흡착 전산 모사 연구들이 2015년 이후 활발하게 진행되고 문헌상에 보고되었다. 이 절에선 Xe/Kr 분리, 낮은 압력에서의 산소 저장, 화학전술분자체(chemical warfare agents) 흡착 분리, 저온 수소 흡착 저장에 대하여 CoREMOF DB 스크리닝을 통해 발견한 예시들에 대해 서 술하겠다.

 

2.3.1 Xe/Kr 분리 핵 연료를 재처리하는 과정에서 방사성을 띈 제 논과 크립톤이 ppm 단위로 발생된다. 이러한 흡착해 서 분리하는데 쓰이는 고성능 MOF구조체를 찾기 위 해 UC Berkeley의 Cory Simon과 Lawrence Berkeley National Laboratry의 Maciej Haranczyk이 decision tree와 같은 최신 데이터 애널리틱스 방법을 동원하 여 CoRE MOF DB를 스크리닝하였고, 이를 바탕으 로 높은 Xe/Kr 선택도를 가진 구조체인 SBMOF-1을 발견하여 2015년 Chemistry of Materials에 보고하였다. 이렇게 발견된 구조체는 합성 방법이 이미 문헌 상에 보고되어 있기 때문에 상대적으로 손쉽게 합성 조건을 잡을 수 있다. 따라서 후속 논문으로 Pacific Northwest National Laboratory의 Praveen Thallapally 그룹이 SBMOF-1를 합성하고 흡착 등온선을 측정 하였다. 그리고 파과 실험(breakthrough experiments) 을 통해 예측된 SBMOF-1 선택도와 제논의 흡착 량이 어느 정도 잘 맞는다는 것을 2016년 Nature Communications에 보고 하였다.

 

2.3.2 낮은 압력에서의 산소 저장(low-pressure oxygen storage) 고순도의 산소는 호흡기 질환과 같은 치료 목적 으로도 쓰이고 또한 Linz-Donawitz 방식의 제강 산 업에도 쓰인다. 고순도 산소의 또 다른 목적은 fluid catalytic cracking(FCC)에서 촉매를 재생하는데 쓰 이기도 한다. 산소는 보통 상온에서 높은 압력(~200 bar)을 동원한 압축 방식으로 저장하고 있다. 산소를 낮은 온도에서(<90 K) 액화하여 저장하기도 하지만 많은 에너지가 소모된다. 높은 압력과 낮은 온도로 기체를 저장하게 되면 기체를 저장하는 용기의 파 쇄로 인해 안전사고의 위험이 존재하며, 압축 및 저 온 유지를 위한 에너지 소모도 많다. 산소 원자는 사 중극자가 있기 때문에 산소의 흡착을 정밀하게 예측 하기 위해선 흡착제를 구성하는 원자들의 부분 원자 전하 값을 알아야 된다. 따라서 낮은 압력에서 많은 양의 산소를 저장할 수 있는 구조체를 정밀하게 찾 기 위하여 Cambridge 대학의 Peyman Moghadam과 Northwestern 대학의 Omar Farha 연구팀은 DFT계 산을 통해 얻은 정밀한 부분 원자 전하를 가지고 있 는 ~3,000여개의 CoRE MOF 구조체들을 스크리닝 하였다. 이를 통해 UMCM-152구조체의 성능이 좋다 는 것을 밝혀내었고 이를 합성해서 실제 성능도 시 뮬레이션에서 예측한 바와 비슷하다는 것을 2017년 Nature Communications에 보고하였다.

 

2.3.3 화학 전술 분자체 선택적 흡착(selective adsorption of chemical warfare agent)

북한 김정은의 이복 형인 김정남이 암살 당할 때 쓰이기도 하여 국내에 잘 알려진 화학 전술 분자체 인 VX는 높은 신경 독성을 가지고 있어 화학 전에 서의 살상무기로 쓰이기도 한다. VX와 마찬가지로 sarin이나 soman의 경우도 높은 신경 독성을 가지고 있다. 따라서 화학전 수행 중에 이러한 독성 가스로 부터 병력을 보호하거나 또는 민간인들을 보호하기 위해선 독성 가스를 일정 시간 동안 효과적으로 걸 러줄 수 있는 흡착제를 바탕으로 제조된 마스크가 필요하다. 현재 이러한 마스크에 쓰이는 흡착제로는 활성탄이 있으나, 흡착량이 낮고 시간이 지남에 따 라 성능이 감소하는 경향이 있다. 따라서 이러한 독 성 가스들을 좀 더 많은 양으로 흡착할 수 있는 다공 성 물질을 발견하기 위하여 영국의 Cambridge대학 의 David Fairen-Jimenz와 스페인의 Pablo de Olavide 대학의 Sofia Calero팀은 앞서와 마찬가지로 DFT 계 산을 통해 얻은 정밀한 부분 원자 전하를 가지는 ~3,000여개의 구조체에 대하여 대량 전산 스크리닝 을 진행하였다. 이를 통해 Ni3(BTP)2 구조체의 성능이 우수하다는 것을 알게 되었고 이를 합성하여 성 능을 테스트 한 연구를 2018년 Chemistry of Materials 에 보고하였다.

 

2.3.4 저온 수소 흡착 저장 및 사용 수소는 이상적인 차량용 연료인데 그 이유는 수 소연료전지를 활용하면 산소와 결합하여 물과 열 만 발생시키기 때문이다. 현재 수소는 수증기 개질 (stream reforming) 공정을 통해 대량 생산되고 있 다. 하지만 풍력이나 태양력을 바탕으로 한 신재생 에너지를 활용해서 수소를 생산할 수 있다면, 수소 를 차량용 연료로 좀 더 빠르게 대중화 시킬 여지가 있다. 수소의 장점은 단위 무게당 가장 높은 열 량을 가지고 있다는 점이다. 하지만 상온에서 수소 는 현재 우리가 사용하고 있는 휘발유와 비교했을 때 아주 낮은 단위 부피당 열량을 가지고 있다. 따 라서, 수소 기반의 연료를 활용하여 적당한 거리를 주행하기 위해선 차량용 연료자동차 연료 탱크에 충분한 양의 수소를 저장하는 기술이 필요하다. 현 대 자동차, 토요타, BMW 등의 자동차 회사에서 활 용되거나 고려되고 있는 방법은 상온에서 700 bar 의 고압에서 저장하는 방법과 상압(1 bar)에서 액체 상태로 저장하는 방법 등이 있다. 하지만 양쪽 모 두 압축이나 냉각에 들어가는 비용이 크며, 700 bar에서 압축할 경우 안전 사고의 위험도 존재한다. 수 소 저장을 위한 물질 기반의 저장 전략 중 많이 연 구 된 전략은 금속산화물(metal hydride)를 활용하여 수소를 반응시켜 화학적 결합을 통해 저장하는 방 법이 있다. 하지만 금속산화물의 경우 저장된 수소 를 빼 내기 위해 높은 온도가 필요하고, 또한 금속 산화물 자체가 아주 무겁다는 단점이 있다. 따라서 MOF와 같은 다공성 물질의 van der Waals 상호작 용을 기반으로 한 물리적 흡착(physical adsorption) 을 활용하여 수소를 저장하려는 연구가 많이 진행 되어 왔다. 미국의 Department of Energy(DOE)에 선 20여년 동안 차량용(on-board) 수소 저장에 막 대한 예산을 투자하였고, 상용화를 위한 수소 저장 을 위한 시스템 타겟과 작동 환경 등에 대한 가이 드라인을 발표하였다.24 이 가이드라인에 따르면 최 종적으로 차량용 수소 저장 물질은 1 L당 50 g(50 g of H2 per L of tank)와 6.5 wt%(6.5 g of H2 per 100 g of adsorbent+H2)의 수소를 저장할 수 있어야 한 다. 또한 영하 20도에서 영상 40도까지 성능의 저하 가 없어야 한다. 이러한 성능에 맞는 MOF 구조체를 찾기 위해 대량 전산모사 스크리닝을 진행하였다. University of Michigan의 Donald Siegel 교수 팀은 5 천여개의 CoRE MOF DB를 77 K과 100 bar의 저장 온도/압력과 160 K과 5 bar의 탈착 온도/압력의 조 건하에 대량 전산모사 스크리닝 진행하였다. 이를 통해 IRMOF-20이라는 고성능 구조체를 발견하였 고, 이 구조체를 합성하여 측정한 수소의 단위 무게 당 활용가능한 수소량(usable gravimetric capacity)가 9.1 wt%이며 단위 부피당 활용가능한 수소량(usable volumetric H2 capacity)이 51.0 g of H2 per Liter of adsorbent 라는 것을 2017년 Energy & Environmental Science에 보고하였다.25 같은 그룹에서 DB화된 모 든 다공성 구조체들인 50만개의 구조체를 대량 시 뮬레이션하여 IRMOF-20보다 성능이 좋은 SNU70, UMCM-9, 그리고 PCN-610 구조체들을 발견하 고 실험으로 검증하여 관련 내용은 2019년 Nature Communication에 보고되었다.

 

3. 미래연구주제 및 결론

 본 기고를 통해 금속유기골격체의 대량 전산 스크리닝에 대한 최신 동향을 살펴보았다. 금속유기 골격체에 대한 대량 전산 스크리닝은 아주 활발하 게 연구되고 있는 분야이며 특히 이론그룹과 실험 그룹의 밀접한 협업을 통해 새로운 구조체를 발견 하고 시뮬레이션으로 예측한 구조체를 실험을 통해 성능 측정이 가능하다는 점에서 아주 매력적인 연 구분야이다. 특히 MOF가 합성되어 사용될 시스템 (예를 들면 PSA 공정)의 공정 경제성과 공정 목표 성능 (예를 들면 순도나 회수율)을 멀티 스케일 시 뮬레이션을 통해 고려하는 연구도 최근 많이 보고 되고 있으며 앞으로도 꾸준히 연구될 분야이다. 또 한 지속적으로 새로 보고되고 있는 구조체들 중에 기존에 알려진 구조체들 보다 성능이 좋은 구조체 들이 나올 수도 있기 때문에 시뮬레이션이 가능한 MOF DB의 정기적인 업데이트가 필요하다. MOF DB를 기반으로 한 대량 스크리닝 연구는 기존에 잘 알려진 기체분리나 저장시스템 외에도 다양한 기 체 저장 및 분리 공정에 대한 연구(예를 들면 라돈 센서를 위한 MOF 발견)도 가능하기에 앞으로 국내 외 많은 연구자들이 MOF DB를 기반으로 대량 스크리닝을 하는 연구를 진행하리라 생각된다. 마지막 으로 기존의 기체 저장과 분리 연구에서 벗어나 화학정보(cheminformatics) 기법을 활용하여 MOF DB 를 스크리닝하여여 성능이 좋은 촉매를 찾는 연구도 현 재 국외에선 연구가 활발하게 진행되고 있다. 따라서 앞으론 MOF DB와 DFT 계산을 기반으로 한 descriptor를 바탕으로 고성능 MOF 촉매를 스크리닝 하는 연구가 활발하게 진행되리라 예측해본다. CoRE MOF DB는 http://gregchung.github.io/CoREMOFs/에서 무료로 다운 받을 수 있으며, 이러한 구 조체 데이터베이스를 구축하고 보정해 나가는 연구 에 대한 연구비 지원이 절실히 필요하다.  

 

-자료출처- NEWS & INFORMATION FOR CHEMICAL ENGINEERS, Vol. 37, No. 3, 2019

정 용 철 부산대학교 화공생명공학부 drygchung@gmail.com

 

사견 : 약 20여년 전부터 백금 촉매를 대체하고자 많은 연구들이 진행되어졌지만, 활성과 기대 성능 수명이 기존 촉매에 미치지 못해서 대체되지 못하고 있다. 이는 백금 촉매의 성능도 보다 향상이 되어 대체 촉매가 충족되어야만 하는 기준치가 증가된 원인이 있기도 하다. 촉매 전공자로써 지금은 다른 업계에 종사하고 있지만 꾸준히 관심을 가지고 촉매 발전에 귀 기울여 성능 좋고 친환경적인 연료전지차 및 연료전지 전기 발전소를 만들어 가보자.

하지만 수소 경제... 우리나라가... 갈 길이 멀다. 아직 다른 나라에 비해 기술적으로 뒤쳐지지 않은 만큼 계속적인 투자가 필요하다. 연구 개발 인원은 그리 많지는 않지만... 이만 내용은 줄이겠다.