│인공지능과 계산과학을 활용해 차세대 소재 탐색

 

<최은성학생(왼쪽)과 김준철학생>

 

기계공학부는 학부생들의 인공지능, 계산과학을 융합한 연구결과가 국제학술지에 연이어 게재됐다고 6일 밝혔다. 최은성 학생(4학년)이 작성한 논문 <데이터 기반 접근 방식을 통한 기계적으로 우수한 리튬 이온 배터리 고체 전해질 스크리닝>은 미국화학회에서 발행하는 국제학술지 「ACS 어플라이드 머티리얼즈 앤 인터페이스(ACS Applied Materials and Interfaces)」(피인용지수:9.229) 온라인에 게재됐다. 또한, 김준철 학생(4학년)이 작성한 논문 <기계학습과 대용량 계산을 통한 합성 가능한 더블 페로브스카이트 산화물 탐색>은 독일 Wiley-VCH에서 발행하는 국제학술지 「어드밴스드 띠어리 앤 시뮬레이션즈(Advanced Theory and Simulations)」(피인용지수:4.004) 온라인에 게재됐다.

 

최은성 학생이 연구한 리튬 전고체 전지의 핵심소재인 고체전해질은 현재 상용화된 리튬이온 배터리에 비해 성능, 수명, 안정성이 뛰어나기 때문에 차세대 배터리 기술로 각광받고 있다. 하지만 충/방전 중 발생하는 덴드라이트(음극 표면에 나뭇가지 모양으로 쌓이는 결정구조)로 인해 배터리의 노화가 급속도로 진행되는 문제가 있다. 이에 최은성 학생은 머신러닝 기술과 계산과학 기법을 융합하여 덴드라이트 발생을 억제할 수 있는 고체전해질 물질 설계에 필수적인 기계적 강도를 예측할 수 있는 모델을 개발했다. 해당 연구는 조준호 학생(4학년)과 김원진 학생 (3학년)이 공동 저자로 참여했다.

 

김준철 학생이 진행한 연구는 연료전지, 태양전지, 촉매 연구 등 다양한 분야에서 높은 성능을 보여주는 ‘더블 페로브스카이트 산화물 구조’에 대해 합성이 가능한 소재를 예측할 수 있는 플랫폼 연구다. 산화물은 조합 가능한 숫자가 50만개에 이르기 때문에 일반적인 실험 및 계산으로는 적합한 물질을 찾는 것이 불가능하다. 이를 해결하기 위해 기계학습과 계산과학 방법을 융합하여 실제로 합성 가능한 물질을 탐색하고, 관련 데이터베이스 10,000여 개를 구축했다. 해당 연구는 김은송 학생(대학원 석사과정)이 공동 저자로 참여했다.

 

두 논문의 연구책임자인 기계공학부 민경민 교수는 “최근 각광받고 있는 인공지능 기술을 소재연구와 융합해서 차세대 물질설계가 가능한 플랫폼을 구축한 의미 있는 결과다. 이러한 연구를 학부생이 진행할 수 있었던 것은 각 학생의 역량이 뛰어날 뿐만 아니라 숭실대가 체계적인 교육 및 연구 인프라를 갖추고 있다는 증거라고 생각한다. 두 학생 모두 인공지능과 공학기술을 융합하는 창의적 인재로 계속 성장해 나갈 것으로 확신한다”고 말했다.

 

한편, 본 연구는 한국연구재단 및 국가슈퍼컴퓨팅센터의 R&D 혁신지원프로그램의 지원으로 수행됐다.

 

 

 

 

홍보팀(pr@ssu.ac.kr)