인공지능 활용 고용량 배터리 소재 역설계 기술 나왔다


KAIST 연구팀, 관련 논문 발표

[아이뉴스24 정종오 기자] 한국과학기술원(KAIST, 총장 이광형)은 신소재공학과 홍승범 교수 연구팀이 기존 문헌에 발표된 실험값들을 추출하는 데이터 마이닝 과정과 이런 실험값들을 입력변수로 하는 다변수 선형회귀 모형을 기반으로 배터리 소재 역설계 머신러닝(기계학습) 모델을 수립했다고 23일 발표했다.

인공지능은 고차원의 변수 공간에서 각 매개변수 간의 정량적인 상관관계를 신속하고 정확하게 추출할 수 있다. 이를 공정-구조-물성 간의 상관관계를 기반으로 발전하는 신소재공학에 적용하면 신소재 개발 시간을 단축할 수 있다.

이런 이유로 많은 연구자가 인공지능을 신소재 개발에 활용하려고 노력하고 있다. 특히, 배터리 소재 개발에 인공지능을 활용하는 예가 가장 많다. 주로 제1 원리 계산(양자화학에 기반한 계산법으로 계산 시 다른 경험적 수량을 전혀 사용하지 않음)과 머신러닝을 융합해 수많은 전극 소재 조합을 대량으로 스크리닝하는 기술 개발이 주를 이루고 있다.

3단계 디자인-소자 파이프라인 개략도. 논문에서 추출한 정보를 기반으로 모델을 수립하고, 모델 기반으로 공정-구조-물성 상관관계를 예측한다. 이후 물성-구조-공정 역설계 모델을 수립해 요구되는 물성치를 가능케 하는 공정 및 구조 변수를 추출한다. [사진=KAIST]

연구팀은 배터리 양극재 원료조성, 1차와 2차 소결 온도와 시간 등의 공정 변수와 컷오프 전위 및 충․방전률과 같은 측정 변수, 1차와 2차 입자의 크기와 같은 구조 변수, 마지막으로 충․방전 용량과 같은 성능 변수 간의 상관관계를 정량적으로 수립했다. 이를 활용해 요구되는 에너지 용량에 맞는 합성 조건을 찾는 알고리즘을 개발했다.

홍승범 교수는 "인공지능을 활용해 대량의 논문과 특허 내에 있는 공정-구조-물성 변수들을 자동으로 분류하고 실험값들을 추출해 각 변수 간의 다차원 상관관계를 기반으로 모델을 수립하는 것이 차세대 배터리 소재의 역설계의 핵심ˮ이라며 "앞으로 데이터 마이닝 기술, 머신러닝 기술, 공정 자동화 기술을 융합하는 것이 미래의 신소재공학ˮ이라고 말했다.

KAIST 신소재공학과 치 하오 리오우(Chi Hao Liow) 박사가 제1 저자로 참여한 이번 연구 (논문명: Machine learning assisted synthesis of lithium-ion batteries cathode materials)는 국제 학술지 `나노에너지(Nano Energy)'에 실렸다.

/정종오 기자(ikokid@inews24.com)







포토뉴스