숭실대 기계공학부 선지원 학생, 세계 유명 학술지에 논문 게재
전체 맥락을 이해하기 위해서는 본문 보기를 권장합니다.
숭실대학교는 기계공학부 선지원 학생이 지난달 18일 학부 과정 동안 진행한 연구를 토대로 'ACS Applied Materials & Interfaces'(Impact Factor=10.383)에 제1저자로
본 연구는 한국연구재단의 지원을 받아 수행됐으며, 기계공학부 민경민 교수가 연구책임자로, 기계공학부 강승표·김준철 학생이 공동저자로 참여했다.
이 글자크기로 변경됩니다.
(예시) 가장 빠른 뉴스가 있고 다양한 정보, 쌍방향 소통이 숨쉬는 다음뉴스를 만나보세요. 다음뉴스는 국내외 주요이슈와 실시간 속보, 문화생활 및 다양한 분야의 뉴스를 입체적으로 전달하고 있습니다.
숭실대학교는 기계공학부 선지원 학생이 지난달 18일 학부 과정 동안 진행한 연구를 토대로 'ACS Applied Materials & Interfaces'(Impact Factor=10.383)에 제1저자로 <Accelerated Discovery of Novel Garnet-Type Solid-State Electrolyte Candidates via Machine Learning>을 게재했다고 7일 밝혔다.
최근 높은 에너지 밀도를 가진 배터리에 대한 수요가 빠르게 증가하고 있으며 고성능 배터리 개발에 대한 관심도 높아지고 있다. 전고체 배터리는 높은 에너지 밀도와 안정성을 갖춘 차세대 고성능 배터리로 유망한 후보다. 하지만 전고체 배터리의 핵심 소자인 고체 전해질은 이온 전도도가 낮아 상용화에 어려움이 있다.
해당 논문에서는 가넷형 고체 전해질의 기계적 물성을 예측하는 머신러닝 기반 surrogate regression model을 구축했다. 그 결과 물질 탐색 시간을 기존 실험 방법보다 크게 줄였으며 기존 가넷형 화합물보다 높은 기계적 물성과 이온 전도도를 가진 차세대 전고체 배터리의 전해질 후보 10개를 제시했다.
본 연구는 한국연구재단의 지원을 받아 수행됐으며, 기계공학부 민경민 교수가 연구책임자로, 기계공학부 강승표·김준철 학생이 공동저자로 참여했다.
선지원 학생은 "빠르게 변화하는 산업계의 수요에 맞춰 우수한 물질의 탐색하기 위해서는 기존 시뮬레이션 및 실험 기반 탐색 방법에 머신러닝 기술이 함께 적용되어야 한다"라며 "이미 4차 산업혁명 속에서 머신러닝과 소재 탐색 연구는 융합되고 있다. 앞으로 머신러닝과 시뮬레이션 기술을 융합해 훌륭한 물질을 찾는 연구자로 성장할 것"이라고 말했다.김대성기자 kdsung@dt.co.kr
Copyright © 디지털타임스. 무단전재 및 재배포 금지.
- 심상찮은 조국 딸 조민 인스타그램…‘김어준 방송’ 출연 하루 만 팔로워 ‘7배 폭증’
- “난 떳떳하다” 조국 딸 조민, 인스타그램 폭발적 반응…20일 만 2만 팔로워 ‘훌쩍’
- 침묵 깬 조국 딸 조민, 김어준 방송서 작심 발언 “저도 ‘정치적 의견’ 있지만…”
- "성폭행한 친오빠와 한집에 살고 있다"…가해자 지목된 20대 또 무죄
- "나 여자예요" 선언만 하면 끝…핀란드 트랜스젠더 `천국`됐네
- 1주택자 재산세 부담 낮아진다… 과세표준 증가한도 5% 제한
- 태영 30일 운명의날… 산은 "흑자가능"
- 신동빈, 신사업 `현장경영`… "원가 경쟁력·최고 품질" 당부
- 금도 달러도 아니다…이달 ETF 수익률 1위는 유럽 탄소배출권선물
- 흑석 아크로리버, `잠실 엘리트` 매매가 추월?