숭실대 기계공학부 김민선, Chemical Engineering Journal에 배터리 소재 예측 모델 논문 게재

숭실대 기계공학부 김민선씨.<숭실대 제공>

숭실대학교는 기계공학부 석사과정 김민선 학생이 'Chemical Engineering Journal'에 제 1저자로 'Maximizing the Energy Density and Stability of Ni-Rich Layered Cathode Materials with Multivalent Dopants Via Machine Learning'을 9월 23일 게재했다고 29일 밝혔다. Chemical Engineering Journal는 impact factor: 16.744이며 JCR 상위 3%를 차지하는 저명한 국제 학술지다.

이 논문에서는 리튬 이온 전지 양극재의 평균 전압과 부피 변화를 예측하는 머신러닝 기반 surrogate regression model을 구축했다. 그 결과 기존 Ni-rich, Co-rich 화합물보다 높은 에너지 밀도와 안정성을 가진 차세대 Ni-rich layered cathode 후보 107개를 선별했다. 본 연구는 한국연구재단의 지원을 받아 수행됐다.

최근 배터리 수요가 급증하는 상황에서 Ni-Rich Layered Cathode는 고성능 배터리 재료로 유망한 후보로 꼽히지만, 주요 원재료인 Co의 가격 변동성이 크며 열화 문제와 환경 문제 등을 초래한다. 따라서 높은 성능과 안정성을 가지며, Co-free를 만족하는 양극재 개발을 위한 연구가 필요한 실정이다.

해당 연구에서는 머신러닝을 활용해 계산 비용을 최소화했으며, 기존에 없던 새로운 Ni-rich 양극재 107개 중 Co-free를 만족하는 물질 101개를 찾아내며 양극재 개발에 박차를 가했다.

김민선 학생은 "4차 산업혁명을 선도하는 배터리와 머신러닝 기술에 대한 연구는 더욱 활발해질 것이다. 머신러닝을 활용하여 배터리에 대해 깊은 이해도를 가지며, 다양한 분야에도 머신러닝을 적용하여 융합적 사고를 하는 연구자로 성장할 것"이라고 말했다.김성준기자 illust76@dt.co.kr