배터리 품질 예측하는 AI…인간보다 3배 정확

KAIST·ETRI·美드렉셀대 공동 개발
현미경 영상 보고 배터리 품질, 성능 예측

한국과학기술원(KAIST), 한국전자통신연구원(ETRI), 미국 드렉셀대 공동 연구진이 배터리 양극재의 현미경 사진을 분석해 조성과 성능 정보를 예측하는 인공지능(AI) 기술을 개발했다./NPJ 재료 계산학

현미경 사진만 보고 배터리의 품질과 성능을 예측할 수 있는 기술이 개발됐다. 숙련된 전문가보다 3배 높은 정확도를 기록해 배터리 불량으로 발생할 수 있는 화재 사고를 예방하는 데 활용될 수 있을 것으로 기대된다.

홍승범 한국과학기술원(KAIST) 신소재공학과 교수가 이끄는 연구진은 배터리 양극재의 조성, 충·방전 정보를 99.6% 정확도로 확인할 수 있는 인공지능(AI) 기술을 개발했다고 2일 밝혔다. 이번 연구에는 한국전자통신연구원(ETRI), 미국 드렉셀대가 공동으로 참여했다.

연구진은 반도체 공정에서 웨이퍼의 불량을 판별하는 주사전자현미경(SEM)을 배터리 공정에 적용했다. 주사전자현미경은 물체의 표면을 최대 수㎚(나노미터·1㎚는 10억분의 1m) 해상도로 관찰할 수 있는 기술이다.

주사전자현미경은 배터리 소재 연구에서 열화로 인해 입자가 깨지고 부서지는 것처럼 내구성을 확인할 때 사용된다. 상업용 배터리를 만드는 공정에서도 현미경으로 양극재 표면을 확인해 원하는 조성으로 합성됐는지 확인하고 수명을 예측하고 불량률을 줄일 수 있다. 특히 양극재의 조성은 배터리 성능을 결정하는 핵심적인 요소로, 합성 과정에서 원하는 조성이 나오지 않는 경우 용량과 수명이 크게 떨어질 수 있다.

연구진은 자율주행차에서 사용하는 합성곱 신경망(CNN)을 이용해 양극재 표면 영상을 AI에 학습시켰다. 그 결과 99.6%의 정확도로 양극재의 상태를 확인할 수 있는 것으로 나타났다. 주요 원소 함량과 충·방전 상태처럼 배터리의 성능에 직접적인 영향을 미치는 요소를 수분 내로 확인할 수 있었다.

전문가와 AI의 분석 정확도를 비교하기 위한 실험도 진행했다. 14명의 전문가를 대상으로 현미경 영상을 보고 양극재의 상태를 분석하게 한 결과 정확도는 30%로 나타났다. AI를 이용했을 때의 3분의 1 수준이다.

연구진은 이번에 개발한 AI를 배터리 공정에 적용하면 제품 품질을 높이고 수명 예측이 더 쉬워질 것이라고 기대하고 있다. 다만 양극재에 첨가제를 사용했을 때는 충·방전 정보에 대한 예측 정확도가 34.17%로 낮아 학습 데이터를 확장할 필요성이 있다고 분석했다.

홍승범 교수는 “세계 최초로 주사전자현미경 사진으로 주 원소 함량과 충·방전 상태를 빠르고 정확하게 예측할 수 있는 인공지능 기반 방법론을 개발했다”며 “현미경 영상 기반 배터리 소재의 함량과 상태 감별 방법은 배터리 소재의 성능과 품질을 향상하는 데 중요한 역할을 하게 될 것으로 기대한다”고 말했다.

연구 결과는 국제 학술지 ‘NPJ 재료 계산학’에 지난 5월 2일 소개됐다.

참고자료

NPJ Computational Materials(2024), DOI: https://doi.org/10.1038/s41524-024-01279-6

- Copyright ⓒ 조선비즈 & Chosun.com -