│인공지능 활용해 차세대 배터리에 적합한 소재 탐색

 

<사진1- 왼쪽부터 조준호, 최은성, 김민선 학생>

 

숭실대학교(총장 장범식)는 기계공학부 4학년 조준호 학생이 작성한 논문 <나트륨 이온 고체 전해질의 기계적 물성 예측을 위한 머신러닝 기반 재료 설계 플랫폼>이 미국화학회에서 발행하는 국제학술지 「ACS 어플라이드 에너지 머티리얼즈(ACS Applied Energy Materials)」(피인용지수:6.024)에 게재됐다고 10일 밝혔다.

 

환경문제를 야기하는 리튬 대신, 자원이 풍부한 나트륨(Na)을 이용한 전고체 전지 기술은 안정적이고 폭발위험이 없어 전력저장장치 및 전기자동차 배터리에 쓰일 수 있는 차세대 물질로 각광받고 있다. 하지만, 전고체 전지가 만족시켜야 하는 여러 물성에 대한 연구가 아직 초기단계이기 때문에 최적의 소재 탐색에 어려움이 있는 실정이다.

 

<그림 1 – 기계적 물성이 우수한 나트륨 이온 고체전해질을 찾기 위한 머신러닝 및 최적화 융합 진행 과정>

 

이에 조준호 학생은 인공지능(머신러닝) 기술과 계산과학 기법을 융합하여 고체전해질의 핵심물성 중 하나인 기계적 강도를 예측할 수 있는 모델을 개발했다. 머신러닝과 최적화 기법을 융합하여 최소한의 데이터베이스 추가만으로 최적의 예측성능을 달성한 것이다. 뿐만 아니라 2,500여 종의 후보 물질에 대한 기계적 물성관련 빅데이터를 구축했다. 또 다른 주요 물성 중 하나인 이온 전도도 예측 모델 역시 진행 중이며, 경제적이고 안전하며 성능이 높은 나트륨 전고체 전지의 상업화에 기여할 것으로 기대된다.

 

교신저자인 기계공학부 민경민 교수는 “이번 연구는 차세대 나트륨 이온 전고체 전지에 가장 적합한 소재를 탐색하기 위한 플랫폼 구축의 첫 단계로, 인공지능 기술이 이러한 분야에 적용 가능함을 보인 의미 있는 연구다. 특히, 일반적으로 대학원생이 진행하는 연구를 학부생이 3학년 때부터 주저자로 연구를 수행하고 결과를 만들어 국제 학술지에 게재하는 경우는 흔하지 않은 경우다. 앞으로 어떠한 연구자로 성장해 나갈 지 매우 기대가 되는 학생이다”라고 말했다.

 

조준호 학생은 “연구를 잘 진행할 수 있도록 지도해주신 민경민 교수님께 감사드린다. 최근 자동화를 넘은 지능화 시대의 흐름에서 이 연구와 같이 인공지능을 배터리의 전해질과 같은 하드웨어에 접목하려는 시도는 더욱 많아질 것이라고 생각한다. 이번 결과를 원동력 삼아 더 자신감을 갖고, 융합 기술을 선도하는 엔지니어로 성장하기 위해 끊임없이 노력할 것”이라고 전했다.

 

한편, 본 연구는 한국연구재단의 지원을 받아 수행되었으며 기계공학부 최은성 학생(4학년), 김민선 학생(3학년)이 공동저자로 참여했다.

<그림 2 – (a) 최적화에 따른 머신러닝 예측 정확도 비교 (b) 최적화 이후 머신러닝 예측값과 실제값 비교 (왼쪽) 전단탄성계수 (오른쪽) 부피탄성계수>

 

 

홍보팀(pr@ssu.ac.kr)