[로이슈 전여송 기자]
인공지능(이하 AI) 기술을 활용해 리튬이온전지의 성능을 획기적으로 높일 수 있는 전략이 제시됐다.

한국연구재단(이사장 홍원화)은 한국과학기술연구원(이하 KIST) 이병주 박사 연구팀이 전고체전지용 고체 전해질에서의 리튬 이동 메키니즘을 규명하고, AI를 이용한 혁신적인 설계전략을 제시했다고 10일 밝혔다.

재단에 따르면 리튬이온전지란 리튬 이온의 이동을 통해 충·방전이 이루어지는 고에너지 밀도의 충전식 배터리다. 전고체전지란 전해질을 포함한 모든 구성 요소가 고체로 이루어져 높은 안전성과 에너지 밀도를 가지는 차세대 배터리다. 고체 전해질이란 고체상태로 이온의 이동을 가능하게 하는 전고체전지의 핵심 소재다.

고체 전해질은 차세대 배터리로 주목받고 있는 전고체전지의 핵심 구성요소로, 기존 액체 전해질을 대체해 화재 위험을 낮추고 에너지 밀도를 높일 수 있는 소재로 주목받고 있다.

그러나 전고체전지의 실용화를 위해선 해결해야 할 문제가 많다. 첫 번째로, 액체 전해질 대비 상대적으로 낮은 고체 전해질에서의 이온전도도를 향상시켜야 하고, 두 번째는 고체 전해질과 전극 계면에서 발생하는 높은 저항과 화학적 반응으로 인해 저하되는 안정성 문제를 해결해야 한다.

KIST 연구팀은 포스코홀딩스 응용AI연구팀과의 협업을 통해 AI 기술을 활용한 정확하고 효율적인 컴퓨팅 시뮬레이션으로 리튬의 이온 이동성을 분석하고 평가할 수 있는 새로운 접근법을 개발, 이온 이동성을 극대화할 수 있는 전략을 제시했다.

기존 시뮬레이션 기법의 한계를 극복하기 위해 머신러닝 포텐셜 기술을 도입, 3,000개 이상의 원자가 포함된 전고체전지 소재의 거동을 수 나노초(ns) 단위에서 분석할 수 있도록 구현했다. 머신러닝 포텐셜이란 기계학습을 이용한 물성예측의 방법 중 하나로, 밀도 범함수 이론 데이터를 학습해 물질의 성질을 빠르고 효율적으로 계산하게 해주는 기술이다.

연구팀은 이 기술을 활용해 리튬 이온의 두 가지 상이한 이동 방식을 분류하고, 각 이동 방식에서 황(S) 이온이 리튬 이온의 이동을 방해하는 역할을 한다는 사실을 규명했다. 또한, 황 이온의 양과 분포를 최적화하면 최대 100배의 이온 이동성 향상도 가능하다는 사실을 발견했다.

이를 검증하기 위해 실험 데이터베이스와 비교 분석한 결과, 기존 공개된 실험 결과와 높은 상관도를 보이며 신뢰성을 입증했다.

이병주 박사는 향후 연구계획에 대해 “AI 기술을 적용한 고성능 배터리 소재를 개발하는 방법론을 확립하여 후속 연구개발의 중요한 지침을 제공할 것”이라며, “고성능의 전고체전지 실현과 상용화에 기여할 것으로 기대된다”고 말했다.

과학기술정보통신부와 한국연구재단이 추진하는 나노 및 소재기술개발사업의 지원으로 수행된 이번 연구의 성과는 에너지 분야 국제학술지 ‘어드밴스드 에너지 머티리얼스(Advanced Energy Materials)’에 2024년 12월 27일 게재됐고, 표지 논문으로도 선정됐다.

전여송 로이슈(lawissue) 기자 arrive71@lawissue.co.kr