[박광준 기자] 숭실대 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 23일 게재했다. Chemical Engineering Journal는 impact factor: 16.744이며, JCR 상위 3%를 차지하는 저명한 국제 학술지이다.

본 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.

머신러닝과 계산과학을 활용한 Ni-rich cathode 물질 screening의 개략도김민선 학생은 “4차 산업혁명을 선도하는 배터리와 머신러닝 기술에 대한 연구는 더욱 활발해질 것"이라면서, "머신러닝을 활용해 배터리에 대해 깊은 이해도를 가지며, 다양한 분야에도 머신러닝을 적용하여 융합적 사고를 하는 연구자로 성장할 것”이라고 포부를 밝혔다. 

이어 “숭실대 기계공학부 민경민 교수님께서 열정적으로 지도해주신 덕분에 완성도 높은 연구 결과를 낼 수 있었다”며 감사 인사를 전했다.