Menu
림 프로텍터 - 2024년 실시간 업데이트
KAIST 연구팀,ETRI·美 드렉셀대와 공동 연구
배터리 표면 형상만 보고 원소 함량,충·방전 확인[이데일리 강민구 기자] 한국과 미국 연구진이 인공지능(AI) 학습을 통해 배터리 표면 형상만 보고 각 원소 함량과 충·방전 횟수 정보를 높은 정확도로 알아내는 영상인식 기술을 선보였다.
한국과학기술원(KAIST)은 홍승범 신소재공학과 교수가 한국전자통신연구원(ETRI),림 프로텍터미국 드렉셀대와 함께 다양한 조성과 각기 다른 충·방전 사이클의 NCM 양극재 주사전자현미경 사진을 합성곱 신경망 기반 AI에 학습시켜 주요 원소 함량과 충·방전 상태를 99.6%의 높은 정확도로 맞추는 방법론을 개발했다고 2일 밝혔다.
연구진의 증명사진.(왼쪽부터)홍승범 교수,림 프로텍터오지민 박사,림 프로텍터엄지원 박사.(사진=KAIST) 반도체 공정에서는 웨이퍼 불량 검수를 위해 주사전자현미경(SEM)을 사용한다.반면 배터리 공정에서는 그런 경우가 드물고,연구 현장에서만 입자 크기 분석을 위해 SEM을 활용하고,열화된 배터리 소재는 입자가 깨지고 부서지는 형상으로부터 신뢰성을 예측한다. 
연구팀은 반도체 공정처럼 배터리 공정도 자동화된 SEM으로 양극재 표면을 검수해서 원하는 조성대로 합성됐는지 수명은 신뢰성 있게 나올 것인지를 확인해 불량률을 줄일 수 있으리라고 봤다.
특히 자율주행차에 적용가능한 합성곱 신경망 기반 AI에 배터리 소재 표면 영상을 학습시켜 양극재의 주 원소 함량과 충·방전 사이클 상태를 예측했다.이 방법이 첨가제가 들어간 양극재에도 적용가능한지 확인한 결과 함량을 정확하게 예측했다.다만 충·방전 상태는 정확도가 낮게 나타났다.
연구팀은 앞으로 다양한 공정을 통해 만든 배터리 소재 형상을 학습시켜 차세대 배터리 조성 균일성 검수와 수명 예측에 활용할 계획이다.
홍승범 KAIST 교수는 “마이크론 스케일의 주사전자현미경 사진의 소재 구조 데이터를 통해 주 원소 함량과 충·방전 상태를 빠르고 정확하게 예측할 수 있는 AI 기반 방법론을 개발했다”며 “연구에서 개발된 현미경 영상 기반 배터리 소재 함량과 상태 감별 방법론은 배터리 소재 성능과 품질 향상에 중요한 역할을 하게 될 것”이라고 말했다.
첨가제가 함유된 NCM 양극재의 주원소 함량과 충방전 상태를 AI 모델이 예측했을때 개별 정확도와 종합 정확도.(자료=KAIST) 연구결과는 국제 학술지‘엔피제이 컴퓨테이셔날 머티리얼즈(npj computational materials)’에 지난 5월 4일자로 출판됐다. 
