KAIST, 주사전자현미경 사진을 AI로 학습
주요 원소함량과 충방전 상태 파악..신뢰성 향상
인공지능(AI)을 활용해 배터리의 충·방전 상태를 99.6%의 높은 정확도로 예측할 수 있는 기술이 나왔다. 앞으로 배터리 소재의 성능과 품질 향상에 기여할 것으로 기대된다.
KAIST는 홍승범 신소재공학과 교수팀이 한국전자통신연구원(ETRI), 미국 드렉셀대학 등과 공동으로 주사전자현미경(SEM)으로 관측한 배터리 양극재 표면 사진을 합성곱 신경망(CNN) 기반 AI에 학습시켜 배터리 내 주요 원소 함량과 충방전 상태를 정확하게 파악할 수 있는 방법론을 개발했다고 2일 밝혔다.
CNN은 시각적 영상을 분석하는 데 사용되는 인공신경망의 한 종류다. 연구팀은 반도체 공정에서 웨이퍼 불량 검수에 쓰이는 주사전자현미경을 사용해 열화된 배터리 소재의 경우 입자가 깨지고, 부서지는 형상으로부터 신뢰성을 예측하는 데 적용했다.
배터리 양극재 표면을 주사전자현미경으로 검수해 원하는 조성대로 합성이 됐는지, 수명은 신뢰성 있게 나올지를 확인한 것이다. 이를 위해 연구팀은 합성곱 신경망 기반 AI에 배터리 소재의 표면 영상을 학습시켜 양극재의 주요 원소 함량과 충방전 사이클 상태를 99.6%의 높은 정확도로 예측하는 데 성공했다.
연구팀은 앞으로 다양한 공정을 통해 만든 배터리 소재의 형상을 학습시켜 차세대 배터리의 조성 균일성 검수와 수명 예측에 활용할 계획이다.
홍승범 KAIST 교수는 "주사전자현미경 사진으로 배터리 소재 구조 데이터를 파악해 주 원소 함량과 충방전 상태를 빠르고 정확하게 예측할 수 있는 AI 방법론으로, 배터리 소재 성능과 품질 향상에 활용될 수 있을 것"이라고 말했다.
이 연구결과는 국제 학술지 'NPJ 재료과학(지난 5월 4일자)'에 실렸다. 이준기기자 bongchu@dt.co.kr
KAIST는 주사전자현미경(SEM)을 이용해 양극재 배터리의 원소 함량과 충방전 상태를 99.6% 정확도로 예측할 수 있는 AI 방법론을 개발했다. KAIST 제공
