[스마트경제=복현명 기자] 김민선 숭실대 기계공학부 석사과정생이 ‘hemical Engineering Journal’에 제1저자로 ‘Maximizing the Energy Density and Stability of Ni-Rich Layered Cathode Materials with Multivalent Dopants Via Machine Learning’을 지난 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.
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.
김민선 숭실대 기계공학부 석사과정생은 “4차 산업혁명을 선도하는 배터리와 머신러닝 기술에 대한 연구는 더욱 활발해질 것이다. 머신러닝을 활용해 배터리에 대해 깊은 이해도를 가지며 다양한 분야에도 머신러닝을 적용해 융합적 사고를 하는 연구자로 성장할 것”이라며 “민경민 숭실대 기계공학부 교수님께서 열정적으로 지도해주신 덕분에 완성도 높은 연구 결과를 낼 수 있었다”라고 말했다.
복현명 기자 hmbok@dailysmart.co.kr
