신소재공학과 홍승범 교수 (KAIST 제공.) / 뉴스1

KAIST는 신소재공학과 홍승범교수 연구팀이 기존 문헌에 발표된 실험값들을 추출하는 데이터 마이닝 과정과 이런 실험값들을 입력변수로 하는 다변수 선형회귀 모형을 기반으로 배터리소재 역설계 머신러닝 모델을 수립했다고 23일 밝혔다.

인공지능을 신소재공학에 적용하면, 고차원의 변수공간에서 각 매개변수 간의 정량적인 상관관계를 신속하고 정확하게 추출해 개발시간을 단축할 수 있다. 특히, 배터리에서는 주로 제1 원리 계산과 머신러닝을 융합해 전극소재 조합을 대량으로 스크리닝하는 기술개발이 주를 이룬다.그러나 인공지능 활용에서 가장 큰 문제점은 데이터의 신뢰성과 양이다. 제1 원리 계산으로 예측한 값들은 실험으로 검증이 돼야 한다. 또한 실험데이터의 경우 실험실마다 편차가 있고, 중요한 공정변수들이 공개되지 않는 경우도 많다. 때문에 인공지능이 학습할 수 있는 데이터의 크기가 한정적이라는 문제가 있다.

연구팀은 배터리 양극재 원료조성, 1차 및 2차 소결온도와 시간의 공정변수와 컷오프 전위 및 충·방전률과 같은 측정변수, 그리고 1차 및 2차 입자의 크기와 같은 구조변수, 마지막으로 충·방전 용량과 같은 성능변수 간의 상관관계를 정량적으로 수립, 이를 활용해 요구되는 에너지 용량에 맞는 합성조건을 찾는 알고리즘을 개발했다. 

홍승범 교수는 "차세대 배터리소재 역설계의 핵심은 인공지능을 활용해 논문과 특허에 있는 대량의 공정-구조-물성변수들을 자동으로 분류하고 실험값들을 추출, 각 변수 간의 다차원 상관관계를 기반으로 한 모델 수립ˮ이라며 "데이터 마이닝, 머신러닝 그리고 공정 자동화 기술을 융합하는 것이 미래의 신소재공학ˮ이라고 말했다.KAIST 신소재공학과 치 하오 리오우(Chi Hao Liow) 박사가 제1 저자로 참여한 이번 연구는 최근 국제학술지 `나노에너지(Nano Energy)'에 게재됐다.

한편 이번 연구는 KAIST 글로벌 특이점 사업의 지원을 받아 수행됐다.


zzonehjsil@news1.kr