마치 점쟁이가 당신이 태어난 날 부모님께 당신의 수명을 예언했다고 상상해 보세요. 이와 비슷한 경험이 배터리 화학자들에게도 가능합니다. 그들은 새로운 계산 모델을 사용하여 단 한 번의 실험 데이터만으로도 배터리 수명을 계산하고 있습니다.

미국 에너지부(DOE) 산하 아르곤 국립 연구소의 연구원들은 새로운 연구에서 머신 러닝 기술을 활용하여 다양한 배터리 화학 물질의 수명을 예측했습니다. 아르곤 연구소에서 수집한 6가지 배터리 화학 물질을 대표하는 300개의 배터리 실험 데이터를 사용하여, 연구원들은 각 배터리가 얼마나 오랫동안 충방전 사이클을 견딜 수 있는지 정확하게 예측할 수 있었습니다.

아르곤 연구소 연구원들은 머신러닝 모델을 사용하여 다양한 배터리 화학 성분에 대한 수명 주기 예측을 수행했습니다. (이미지 제공: Shutterstock/Sealstep)

머신러닝 알고리즘에서 과학자들은 컴퓨터 프로그램이 초기 데이터 세트를 기반으로 추론하도록 훈련시킨 다음, 그 훈련을 통해 학습한 내용을 바탕으로 다른 데이터 세트에 대한 결정을 내리도록 합니다.

아르곤 국립연구소의 전산 과학자이자 이번 연구의 저자인 노아 폴슨은 “휴대폰부터 전기 자동차, 전력망 저장 장치에 이르기까지 모든 종류의 배터리 응용 분야에서 배터리 수명은 모든 소비자에게 근본적으로 중요한 요소입니다.”라고 말했습니다. “배터리가 고장 날 때까지 수천 번 충방전을 반복하는 데는 몇 년이 걸릴 수 있습니다. 저희 연구 방법은 일종의 전산 테스트 환경을 조성하여 다양한 배터리의 성능을 신속하게 파악할 수 있도록 합니다.”

"현재로서는 배터리 용량 감소를 평가하는 유일한 방법은 실제로 배터리를 충방전하는 것입니다."라고 이번 연구의 공동 저자인 아르곤 국립연구소의 전기화학자 수잔 "수" 바비넥은 덧붙였습니다. "이 방법은 비용이 매우 많이 들고 시간도 오래 걸립니다."

폴슨에 따르면 배터리 수명을 예측하는 과정은 까다로울 수 있습니다. 그는 "실제로 배터리는 영구적이지 않으며, 수명은 사용 방식, 설계 및 화학적 구성에 따라 달라집니다."라고 말했습니다. "지금까지는 배터리 수명을 정확히 알 수 있는 마땅한 방법이 없었습니다. 사람들은 새 배터리를 구매해야 할 때까지 얼마나 오래 사용할 수 있는지 알고 싶어 할 것입니다."

이 연구의 독특한 점 중 하나는 아르곤 연구소에서 다양한 배터리 양극재, 특히 아르곤 연구소의 특허 기술인 니켈-망간-코발트(NMC) 기반 양극재에 대해 수행한 광범위한 실험 연구에 기반을 두었다는 것입니다. 폴슨은 "우리는 화학적 구성이 다르고, 열화 및 고장 양상이 각기 다른 배터리들을 사용했습니다."라고 말하며, "이 연구의 가치는 다양한 배터리의 성능을 특징짓는 신호를 얻을 수 있었다는 데 있습니다."라고 덧붙였습니다.

폴슨은 이 분야에 대한 추가 연구가 리튬 이온 배터리의 미래를 이끌어갈 잠재력을 가지고 있다고 말했습니다. 그는 "우리가 할 수 있는 일 중 하나는 알려진 화학 조성에 대해 알고리즘을 학습시켜 알려지지 않은 화학 조성에 대한 예측을 하도록 하는 것입니다."라고 말하며, "본질적으로 이 알고리즘은 더 긴 수명을 제공하는 새롭고 개선된 화학 조성 방향을 제시하는 데 도움이 될 수 있습니다."라고 덧붙였습니다.

폴슨은 이러한 방식으로 머신러닝 알고리즘이 배터리 소재 개발 및 테스트를 가속화할 수 있다고 믿습니다. "새로운 소재가 있다고 가정해 보겠습니다. 이 소재를 몇 번 충방전한다고 생각해 보세요. 저희 알고리즘을 사용하면 소재의 수명을 예측하고, 실험을 계속 진행할지 여부를 결정할 수 있습니다."

바비넥은 "연구실 연구원이라면 더 빠른 평가 방법을 통해 더 짧은 시간 안에 훨씬 더 많은 재료를 발견하고 테스트할 수 있다"고 덧붙였다.

해당 연구를 바탕으로 작성된 논문은 다음과 같습니다.머신러닝을 위한 특징 엔지니어링을 통해 배터리 수명 조기 예측이 가능해졌습니다.이 논문은 2월 25일자 Journal of Power Sources 온라인판에 게재되었습니다.

폴슨과 바비넥 외에도 이 논문의 저자로는 아르곤 연구소의 조셉 쿠발, 로건 워드, 사우라브 삭세나, 웬취안 루가 있습니다.

본 연구는 아르곤 연구소 주도 연구 개발(LDRD) 보조금으로 자금을 지원받았습니다.