분리막 기술은 에너지 효율성과 연속공정 구성의 이점을 지니고 있으나, 소재 자체의 열역학적 선택도 한계로 인 해 유사 물질 간의 정밀 분리에 제약이 있다. 본 총설에서는 entrainer-assisted membrane separation (EMS) 전략을 통해 크기 공비(size-azeotrope) 난제를 공정 기반으로 극복하는 방안을 고찰한다. Ni/Na, Li/Na 등 혼합계 및 이온교환계에서의 실제 적 용 사례를 중심으로 EMS 전략의 작동 원리, 공정 설계의 유연성, 소재 재사용성과 확장 가능성을 정리하였으며, 향후 기술 적용을 위한 과제와 소재–공정 통합 설계 방향을 제안하였다.

제올라이트, 특히 ZSM-5는 독특한 구조와 분자 체 특성으로 인해 산업적으로 매우 유용하며, 우수한 가스 분리 및 투과 증발 성능으로 높은 평가를 받고 있다. 그러나 ZSM-5 막의 제조 공정을 일관되게 재현하는 것은 여전히 도전 과제 로 남아 있다. 본 연구는 수열합성 조건(합성 시간: 24~72 h, 온도: 180~220°C)을 제어하고, 다양한 알루미나 지지체 비교하 며, 수열 처리 시 유기 구조유도체의 영향 분석을 통해 ZSM-5 막 제조의 신뢰성 향상을 목표로 하였다. 연구 결과, 합성 온 도 및 시간의 변화는 막 두께나 결정 크기에 큰 영향을 미치지 않았으나, 180°C에서 48 h 합성 조건에서 가장 우수한 가스 투과 성능이 나타났다. 다양한 알루미나 지지체 중에서는 N5 α-알루미나 모세관 지지체가 가장 높은 투과도를 나타내었다. 또한, 유기 구조유도체인 테트라프로필 암모늄 브로마이드(tetrapropylammonium bromide, TPABr)의 존재는 합성의 신뢰성에 상당한 영향을 미치는 것으로 확인되었다. 가스 투과 성능 평가 결과, 본 ZSM-5 막은 SF₆에 비해 N2 및 CO2에 대해 선택적 인 투과 특성을 보였으며, TPABr을 사용하여 합성한 막은 CO2/N2 선택도(α)가 약 4.6으로 나타났다.

본 연구에서는 높은 이산화탄소 투과성과 선택성을 가지는 미세다공성 고분자 PIM-1을 합성하고, 나노미터 수준 에서 두께를 정밀하게 조절할 수 있는 water casting 기법을 적용하여 박막복합막을 제조하였다. 제조된 분리막의 성능을 평 가하기 위해 FTIR-ATR, BET, GPC, XRD, TEM-EDS 등의 분석을 수행하였으며, 기체 투과 시험을 통해 CO2/N2 선택성과 투과도를 측정하였다. 연구 결과, 본 연구에서 제조된 박막복합막은 2700 GPU 이상의 CO2 투과도와 약 25의 CO2/N2 선택도 를 나타내며, 기존의 PIM-1 기반 분리막보다 우수한 성능을 보였다. 이를 통해 water casting 기법을 이용한 PIM-1 기반 분리 막이 경제적이고 효율적인 이산화탄소 분리 기술로 활용될 가능성을 제시하였다.

청정에너지는 원유 사용으로 인한 이산화탄소 배출로 환경오염이 계속 증가하는 이 시기에 필요한 에너지이다. 리튬 이온 배터리는 훌륭한 대안 중 하나이지만 막대한 수요로 인해 오염은 물론 비용이 증가한다. 배터리에서 사용한 리튬 을 재활용하는 것이 상기 문제를 해결하는 가장 좋은 방법이다. 정전 용량 탈이온화 공정(capacitive deionization, CDI)에서 는, 셀을 통과하는 전해질에 존재하는 양이온과 음이온이 전극 물질로 전환되고 전극의 극성이 반대가 됨으로써 탈착된다. 전 극의 특성을 개선하는 것이 리튬 이온 회수를 향상시키는 데 있어 핵심이다. 주요 문제는 리튬 이온의 낮은 탈삽입과 선택성 이다. 망간 산화물과 같은 전이 금속 산화물이 탄소 나노튜브로 코팅될 경우, 리튬 회수 성능이 향상된다. 본 리뷰 논문에서 는 폴리머 기반 전극과 복합 전극에 의한 리튬 회수에 대해 설명하며, 최근 전극 소재의 발전이 CDI 성능 향상에 어떻게 기 여하는지에 대해 초점을 맞춘다. 이러한 발전이 리튬 회수 효율 개선에 어떻게 기여하는지 설명하며, 기존 문헌을 보완하고 확장하는 관점을 제시한다.

인공지능(artificial intelligence, AI)은 분리막 개발에 중대한 영향을 미치기 시작하며 소재 설계 및 성능 최적화를 위한 새로운 접근법을 제시하고 있다. 본 총설에서는 머신러닝(machine learning, ML)과 딥러닝(deep learning, DL) 기술에 중점을 둔 AI 기반 분리막 개발의 최근 발전상을 조명하고 있다. 이러한 도구는 데이터 기반 예측을 가능하게 하고, 제조 공 정을 개선하며, 소재 발굴을 가속화한다. 데이터 품질, 모델 해석 가능성, 실험 검증과 같은 주요 과제도 제시한다. 또한, AI 통합의 미래 전망을 개괄하고, 가스 분리, 청정에너지, 환경 응용 분야에서 분리막기술에 혁명을 일으킬 수 있는 AI의 잠재력 을 강조한다.