국제 공동연구를 통해 배터리 표면 형상만으로 각 원소 함량, 충·방전 횟수 정보를 높은 정확도로 파악하는 인공지능(AI) 기반 영상인식 기술이 개발됐다.
한국과학기술원(KAIST·총장 이광형)은 홍승범 신소재공학과 교수가 한국전자통신연구원(ETRI), 미국 드렉셀대와 함께 다양한 조성과 각기 다른 충·방전 사이클의 NCM(니켈·코발트·망간) 양극재 주사전자현미경 사진을 합성곱 신경망(영상 분석에 사용되는 인공신경망 일종) AI에 학습시켜 주요 원소 함량과 충·방전 상태를 99.6% 정확도로 맞추는 방법론을 세계 최초로 개발했다고 2일 밝혔다.
연구팀은 반도체 공정에서와 같이 배터리 공정도 자동화된 주사전자현미경(SEM)으로 양극재 표면을 검수해 조성, 신뢰성 여부를 확인하면 불량률을 줄일 수 있을 것으로 판단했다.
연구진은 자율주행차에 적용가능한 합성곱 신경망 기반 AI에 배터리 소재 표면 영상을 학습시켜 양극재 주 원소 함량과 충·방전 사이클 상태를 예측할 수 있게 했다.
이런 방법론이 첨가제가 들어간 양극재에도 적용 가능한 지 확인한 결과, 함량은 상당히 정확하게 예측하는 반면 충·방전 상태는 정확도가 낮다는 단점을 알게 됐다.
이에 연구팀은 향후 다양한 공정을 통해 만든 배터리 소재 형상을 학습시켜 차세대 배터리 조성 균일성 검수, 수명 예측에 활용할 계획이다.
홍승범 교수는 “세계 최초로 마이크론 스케일 SEM 사진 소재 구조 데이터로 주 원소 함량과 충·방전 상태를 빠르고 정확하게 예측할 수 있는 AI 기반 방법론을 개발한 데 의의가 있다”며 “향후 배터리 소재 성능·품질 향상에 중요한 역할을 하게 될 것”이라고 밝혔다.
한편, 이번 연구는 공동 제1 저자인 KAIST 신소재공학과 졸업생인 오지민·염지원 박사, 공동저자인 김광만 ETRI 박사, 아가르 미국 드렉셀대 교수가 참여했다.
한국연구재단, KAIST 글로벌특이점 사업 지원, 미국 연구진과의 국제공동연구로 수행됐으며 국제 학술지 '엔피제이 컴퓨테이셔널 머티리얼즈'에 지난 5월 4일 출판됐다.
김영준 기자 kyj85@etnews.com
