본문 바로가기 사이드메뉴 바로가기 주요메뉴 바로가기

CNU뉴스

twitter
facebook
print
[게재문의]
홍보실 Tel : 821-5015,7047 / E-Mail : hongbo@cnu.ac.kr

명창우 교수 연구팀, ‘Advanced Energy Materials’ 논문 게재

내용보기
명창우 교수 연구팀, ‘Advanced Energy Materials’ 논문 게재 사진1

※ 사진설명 : (왼쪽) LiRuO계열 양극재 (가운데) LiRuNiO계열 양극재 (오른쪽) Al이 도핑된 LiRuNiO계열 양극재

AI를 통한 양극재의 용량/전압 손실방지 효과 규명 

 

자연과학대학 화학과 명창우 교수 연구팀이 희소 가우시안 프로세스 회귀 (Sparse Gaussian Process Regression; SGPR) 머신러닝 포텐셜을 활용해 Ru 기반 4d 양극재 물질의 화학적 안정성 원리를 제1원리 수준에서 정확히 규명했다. 

이번 연구 결과는 에너지 기술 분야 국제 저명 학술지 ‘Advanced Energy Materials’(IF: 29.368)에 6월 25일자 온라인판에 게재됐다. (논문 제목: Al-Doping Driven Suppression of Capacity and Voltage Fadings in 4d-Element Containing Li-Ion-Battery Cathode Materials: Machine Learning and Density Functional Theory)

현재 많은 곳에서 사용되고 있는 리튬 배터리는 반복적인 충·방전 사이클로 인해 큰 용량/전압 손실을 겪는다. 최근 이 문제를 극복하는 방법으로 4d (Ru), 5d (Ir) 금속을 양극재에 추가하는 시도가 성공적으로 보고되고 있다. 

이에 명창우 교수 연구팀은 머신러닝과 양자역학 시뮬레이션을 활용해 Al 도핑이 4d 기반 양극재 물질의 용량/전압 손실을 막는 데에 큰 도움을 줄 수 있다는 것을 구체적으로 증명했다. 

또, 향후 실험적 규명을 돕기 위해 X-ray absorption near-edge-structure (XANES) spectra 또한 이론적으로 계산해 제시했다. 

명창우 교수는 “이번 연구는 본 연구진이 개발한 SGPR 머신러닝 방법론을 리튬 배터리 양극재와 같은 복잡한 에너지 재료에 적용한 첫 사례”라며, “이번 연구를 바탕으로 향후 본 연구진이 개발한 SGPR기반 AI 알고리즘들이 에너지 물질의 다양한 현상들에 널리 적용되기를 기대한다”고 밝혔다. 

한편, 이번 연구는 한국연구재단 신진연구, KISTI, 스위스 슈퍼컴퓨팅 센터(CSCS)의 지원으로 수행됐으며, 링크(https://doi.org/10.1002/aenm.202201497)를 통해서 확인할 수 있다.




페이지 관리자 | 대외협력팀(5015)

관리자메일