UPDATED. 2024-03-28 16:55 (목)
KAIST, AI 활용 배터리 소재 역설계 기술 개발
KAIST, AI 활용 배터리 소재 역설계 기술 개발
  • 최아름 기자
  • 승인 2022.08.23 18:35
  • 댓글 0
이 기사를 공유합니다

홍승범 신소재공학과 교수 연구
데이터 마이닝, 인공지능 활용해
소재 역설계 머신러닝 모델 수립
3단계 디자인-소자 파이프라인 개략도. 논문에서 추출한 정보를 기반으로 모델을 수립하고, 모델 기반으로 공정-구조-물성 상관관계를 예측함. 이후 물성-구조-공정 역설계 모델을 수립해, 요구되는 물성치를 가능케 하는 공정 및 구조 변수를 추출함. [출처=KAIST]요구된 용량에 맞는 공정 및 측정 변수를 실험으로 검증한 결과. (a)-(c) 고니켈함량 양극재 입자(타겟용량: 150, 175, 200 mAh/g)의 주사전자현미경 사진. (d) 전위-용량 그래프. (e) 타겟 용량에 따른 예측 및 실험 방전 용량 그래프. [출처=KAIST]
3단계 디자인-소자 파이프라인 개략도. 논문에서 추출한 정보를 기반으로 모델을 수립하고, 모델 기반으로 공정-구조-물성 상관관계를 예측함. 이후 물성-구조-공정 역설계 모델을 수립해, 요구되는 물성치를 가능케 하는 공정 및 구조 변수를 추출함. [출처=KAIST]

[정보통신신문=최아름기자]

배터리 소재 조합을 머신러닝을 통해 추출해 이를 신소재 개발에 활용하는 기술이 국내에서 개발됐다.

KAIST는 신소재공학과 홍승범 교수 연구팀이 조은애 KAIST 교수, 변혜령 교수, 이혁모 교수, 신종화 교수, 육종민 교수, 그리고 미국의 르하이 대학교(Lehigh University)의 죠수아 C 에이가(Joshua C. Agar) 교수와 협업해 기존 문헌에 발표된 실험값들을 추출하는 데이터 마이닝 과정과 이런 실험값들을 입력변수로 하는 다변수 선형회귀 모형을 기반으로 배터리 소재 역설계 머신러닝(기계학습) 모델을 수립했다고 23일 밝혔다.

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 있으며, 이런 이유로 많은 연구자가 인공지능을 신소재 개발에 활용하려고 노력하고 있다. 특히, 배터리 소재 개발에 인공지능을 활용하는 예가 가장 많은데, 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.

그런데, 인공지능을 활용해서 새로운 배터리 소재를 탐색하고, 탐색한 소재를 합성 및 특성 평가에 있어 가장 큰 문제점은 데이터의 신뢰성과 양이다. 제1 원리 계산으로 예측한 값들은 실험으로 검증이 돼야 하며, 실험데이터의 경우 실험실마다 편차가 있고, 중요한 공정변수들을 공개하지 않은 경우가 많아 인공지능이 학습할 수 있는 데이터의 크기가 한정적이라는 문제가 대두되고 있다.

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

이어서 입자 군집 최적화(particle swarm optimization, PSO) 알고리즘을 활용해 주어진 성능 변수에 대응하는 공정 및 측정 변수를 추출하는 역방향 모델을 수립했고, 이 모델을 검증하기 위해 소재를 실제로 합성해 타깃 용량인 200, 175, 150 mAh/g과 11% 정도의 오차를 보여 상당히 정확하게 역설계할 수 있음을 입증했다.

교신 저자인 홍승범 교수는 "인공지능을 활용해 대량의 논문 및 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 "향후 데이터 마이닝 기술, 머신러닝 기술 그리고 공정 자동화 기술을 융합하는 것이 미래의 신소재공학ˮ이라고 말했다.

KAIST 신소재공학과 치 하오 리오우(Chi Hao Liow) 박사가 제1 저자로 참여한 이번 연구는 국제 학술지 `나노에너지(Nano Energy)'에 게재됐다.

3단계 디자인-소자 파이프라인 개략도. 논문에서 추출한 정보를 기반으로 모델을 수립하고, 모델 기반으로 공정-구조-물성 상관관계를 예측함. 이후 물성-구조-공정 역설계 모델을 수립해, 요구되는 물성치를 가능케 하는 공정 및 구조 변수를 추출함. [출처=KAIST]요구된 용량에 맞는 공정 및 측정 변수를 실험으로 검증한 결과. (a)-(c) 고니켈함량 양극재 입자(타겟용량: 150, 175, 200 mAh/g)의 주사전자현미경 사진. (d) 전위-용량 그래프. (e) 타겟 용량에 따른 예측 및 실험 방전 용량 그래프. [출처=KAIST]
요구된 용량에 맞는 공정 및 측정 변수를 실험으로 검증한 결과. (a)-(c) 고니켈함량 양극재 입자(타겟용량: 150, 175, 200 mAh/g)의 주사전자현미경 사진. (d) 전위-용량 그래프. (e) 타겟 용량에 따른 예측 및 실험 방전 용량 그래프. [출처=KAIST]

 



댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.

  • [인터넷 신문 등록 사항] 명칭 : ㈜한국정보통신신문사
  • 등록번호 : 서울 아04447
  • 등록일자 : 2017-04-06
  • 제호 : 정보통신신문
  • 대표이사·발행인 : 함정기
  • 편집인 : 이민규
  • 편집국장 : 박남수
  • 서울특별시 용산구 한강대로 308 (한국정보통신공사협회) 정보통신신문사
  • 발행일자 : 2024-03-28
  • 대표전화 : 02-597-8140
  • 팩스 : 02-597-8223
  • 청소년보호책임자 : 이민규
  • 사업자등록번호 : 214-86-71864
  • 통신판매업등록번호 : 제 2019-서울용산-0472호
  • 정보통신신문의 모든 콘텐츠(영상,기사, 사진)는 저작권법의 보호를 받은바, 무단 전재·복사·배포 등을 금합니다.
  • Copyright © 2011-2024 정보통신신문. All rights reserved. mail to webmaster@koit.co.kr
한국인터넷신문협회 인터넷신문위원회 abc협회 인증 ND소프트