전기자동차와 대규모 에너지저장장치(ESS) 보급 급증하면서 고성능 이차전지 수요도 급증하고 있다.
현재 널리 사용하는 액체전해질 기반 리튬이온배터리는 열·화학적 불안정성으로 화재 위험성이 상존해 대안으로 전고체배터리 연구가 진행 중이다.
그러나 전고체전지의 실용화를 위해서는 고체전해질의 낮은 이온전도도와 전극계면의 높은 저항에 따른 신뢰성 저하를 해결해야 한다.
이를 위해 전산모사를 활용한 이론적 예측연구가 활발히 진행 중이지만, 고체전해질 내 리튬이온의 이동을 시뮬레이션하려면 원자수준에서 장기간 동역학적 변화 분석이 필요하다.
AI 활용 전고체배터리 개발 해법 찾아
한국연구재단은 KIST 이병주 박사팀이 전고체배터리용 고체전해질의 리튬 이동 메커니즘을 규명하고, 인공지능(AI)을 이용한 혁신적인 설계전략을 제시했다고 10일 밝혔다.
연구팀은 포스코홀딩스 응용AI연구팀과 협업해 AI를 활용한 컴퓨팅 시뮬레이션으로 리튬의 이온이동성을 분석·평가하는 새로운 접근법을 개발했다.
이를 위해 연구팀은 기존 밀도범함수이론(DFT)과 분자동역학(MD) 시뮬레이션 기법의 한계를 극복할 머신러닝 포텐셜(MLIP) 기술을 도입, 3000개 이상의 원자가 포함된 전고체전지 소재의 거동을 ㎱(나노초) 단위에서 분석할 수 있게 구현했다.
MLIP는 DFT 데이터를 학습해 물질의 성질을 빠르고 효율적으로 계산하게 해주는 기술로, 이를 통해 연구팀은 DFT 시뮬레이션이 65만 년 걸리는 계산을 단 1일로 줄일 수 있었다.
아울러 연구팀은 수천 가지 다양한 조성을 탐색하는 고속 스크리닝 기법을 적용해 최적의 방안을 도출했다.
이 결과 연구팀은 리튬이온의 두 가지 상이한 이동방식을 분류하고, 각 이동 방식에 황이온이 리튬이온의 이동을 방해하는 것을 확인했다.
아울러 황이온의 양과 분포를 최적화하면 이온이동성이 최대 100배 향상할 수 있음을 발견했다.
또 이를 검증하기 위해 실험 데이터베이스와 비교 분석한 결과 기존에 공개된 실험결과와 높은 상관도를 보이며 신뢰성을 입증했다.
이 박사는 “AI 기술을 적용한 고성능 배터리 소재를 개발하는 방법론을 확립해 후속 연구개발의 중요 지침을 제공할 것”이라며 “고성능 전고체전지 실현과 상용화에 기여할 것으로 기대된다”고 말했다.
한편, 이번 연구는 과학기술정보통신부와 한국연구재단이 추진하는 나노 및 소재기술개발사업 지원으로 수행됐고, 연구결과는 국제학술지 ‘어드밴스드 에너지 머티리얼스(Advanced Energy Materials)’지난해 12월 27일 표지논문으로 게재됐다.
