[스마트경제=복현명 기자] 선지원 숭실대학교 기계공학부 학생이 지난달 18일 학부 과정 동안 진행한 연구를 토대로 ‘ACS Applied Materials & Interfaces’(Impact Factor=10.383)에 제1저자로 ‘Accelerated Discovery of Novel Garnet-Type Solid-State Electrolyte Candidates via Machine Learning’을 게재했다.
해당 논문에서는 가넷형 고체 전해질의 기계적 물성을 예측하는 머신러닝 기반 surrogate regression model을 구축했다.
그 결과 물질 탐색 시간을 기존 실험 방법보다 크게 줄였으며 기존 가넷형 화합물보다 높은 기계적 물성과 이온 전도도를 가진 차세대 전고체 배터리의 전해질 후보 10개를 제시했다.
본 연구는 한국연구재단의 지원을 받아 수행됐으며 민경민 숭실대 기계공학부 교수가 연구책임자로 강승표·김준철 기계공학부 학생이 공동저자로 참여했다.
선지원 숭실대 기계공학부 학생은 “빠르게 변화하는 산업계의 수요에 맞춰 우수한 물질의 탐색하기 위해서는 기존 시뮬레이션, 실험 기반 탐색 방법에 머신러닝 기술이 함께 적용돼야 한다. 이미 4차 산업혁명 속에서 머신러닝과 소재 탐색 연구는 융합되고 있다. 앞으로 머신러닝과 시뮬레이션 기술을 융합해 훌륭한 물질을 찾는 연구자로 성장할 것”이라며 “민경민 교수님의 열정적인 지도 덕분에 완성도 높은 연구 결과를 낼 수 있었다. 교수님께 항상 감사드리며 존경을 표한다”라고 말했다.
복현명 기자 hmbok@dailysmart.co.kr
