기계공학과 김두호 교수 연구팀이 머신러닝을 활용해 소듐 이온 배터리 성능 개선 방안을 제시했다.

기계공학과 김두호 교수 연구팀, 소듐 이온 배터리 용량 저하 해결 방안 제시
계산 과학과 머신러닝 결합, 고에너지 소듐 이온 배터리 상용화에 보탬

전기차가 친환경 차세대 교통수단으로 주목받으며 이차전지 수요가 빠르게 증가하고 있다. 현재는 리튬 이온 전지를 주로 활용하고 있지만, 제한적이고 비싼 리튬을 대체하기 위해 소듐 이온 배터리 연구가 활발히 진행되고 있다. 소듐은 리튬과 달리 매장량이 풍부하고 가격이 저렴하지만, 충전 이후 용량 손실과 성능 안정성 문제로 상용화에 이르지 못했다.

기계공학과 김두호 교수 연구팀이 머신러닝을 활용해 소듐 이온 배터리의 성능 개선 방안을 제시했다. 이번 연구는 우수성을 인정받아 세계적 학술지 <Advanced Energy Materials>(IF=29.698)에 게재됐다.

“머신러닝으로 계산 과학의 단점 보완해 나갈 것”
김두호 교수 연구팀은 머신러닝과 계산 과학을 결합한 새로운 접근법으로 소듐 이온 배터리의 한계를 극복했다. 연구 제1 저자인 김종범 학생(기계공학과 석사 3기)은 “계산 과학은 실험에 드는 비용과 시간을 컴퓨터로 예측해 절약할 수 있다. 하지만 계산 과학으로 대용량의 데이터를 처리하는 데 한계가 있어 머신러닝과의 접목을 시도했다”고 연구를 설명했다. 공동 제1저자인 윤상호 졸업생은 “계산 과학과 머신러닝을 접목한 좋은 성과가 도출돼 앞으로도 머신러닝을 활용해 계산 과학의 단점을 보완해 나갈 것”이라고 말했다.

김두호 교수는 “체계적인 데이터 주도 해석 접근법으로 소듐 이온 배터리의 스케일별 주요 특징을 파악해 고에너지 밀도 소듐 이온 배터리의 상용화 가능성을 높이는 방안을 찾았다”고 설명했다. 연구팀은 소듐 이온 배터리 양극 모델의 반응 메커니즘에 대한 데이터를 기반으로 구조적 문제를 진단했다.

형성 에너지 분석 결과, 소듐 이온 배터리 형성 에너지가 선형적이고 기울기가 높아야 한다는 수치적 결과가 도출됐다. 또한 피어슨 상관계수와 머신러닝을 활용해 형성 에너지에 영향을 주는 주요 인자도 찾았다. 그 후 연구팀이 제안한 주요 특징들을 바탕으로 이상적인 충·방전 메커니즘을 분석했다. 김종범 학생은 “머신러닝을 활용해 형성 에너지를 예측하고, 이를 통해 이상적인 충·방전 방법을 제시했다”고 밝혔다.

논문 읽으며 해답 찾는 과정이 연구의 재미
계산 과학과 머신러닝의 결합이라는 새로운 접근법을 제시했지만, 그 과정에 어려움도 컸다. 기계공학 전공으로 머신러닝에 대한 이해가 부족했기 때문이다. 김종범 학생은 연구를 원활히 진행하기 위해 다른 학과의 수업을 병행하며 머신러닝에 대한 이해도를 높였다. 그는 “머신러닝을 접목한 사례를 분석하기 위해 다양한 논문을 읽었고, 직접 실험하며 많은 시행착오도 겪었다”고 말했다.

노력은 성과로 이어졌다. 논문 리뷰에서 배터리를 체계적으로 분류해 머신러닝을 접목했다는 점에서 높은 평가를 받았다. 김종범 학생은 “논문을 읽으며 해답을 찾는 과정이 재밌어서 학부 연구생을 거쳐 대학원으로 진학하게 됐다. 김두호 교수님도 세세히 지도를 해주셨고, 동료 연구자와의 협업으로 발전하고 있음을 느낄 수 있었다”며 “이번 연구로 제안한 연구방법론이 다른 소재에도 적용할 수 있을지 연구해 나갈 계획”이라며 앞으로의 목표를 밝혔다.

김종범 학생은 “새로 제안한 연구방법론이 다른 소재에도 적용할 수 있을지 연구할 계획”이라며 향후 연구 방향성을 제시했다.

※ 관련 정보 보기
- 김두호 교수 연구자 정보
- 논문 보기 : https://onlinelibrary.wiley.com/doi/full/10.1002/aenm.202303478

글 김율립 yulrip@khu.ac.kr
사진 정병성 pr@khu.ac.kr

ⓒ 경희대학교 커뮤니케이션센터 communication@khu.ac.kr