NO.1: 레알.마드리드
NO.2: 레알 마드리드 대 fc 바르셀로나 라인업
NO.3: 레알 마드리드 대 fc 바이에른 뮌헨 라인업
NO.4: 레알 마드리드 대 ac 밀란 라인업
NO.5: 레알 마드리드 대 맨시티 라인업
NO.6: 레알 마드리드 유니폰
NO.7: 레알 마드리드 대바르셀로나
NO.8: 레알 마드리드 대 오사수나 라인업
NO.9: 레알 마드리드 대 도르트문트 라인업
NO.10: 레알 마드리드 대 레알 바야돌리드 라인업
ETRI,레알.마드리드미국 드렉셀 대학과 공동 연구
홍승범 KAIST 신소재공학과 교수는 한국전자통신연구원(ETRI),레알.마드리드미국 드렉셀대학과 공동연구를 통해 합성곱 망 머신러닝 모델을 활용한 배터리 양극 표면 주사전자현미경 영상인식 방법론을 개발했다.이는 다양한 조성과 각기 다른 충·방전 사이클의 NCM 양극재 주사전자현미경 사진을 합성곱 신경망기반 인공지능에 학습시켜 주요 원소 함량과 충·방전 상태를 99.6%의 높은 정확도로 맞추는 방법론이다.
연구팀은 반도체 공정에서는 웨이퍼의 불량 검수를 위해 주사전자현미경(SEM)을 사용했다.기존 배터리 공정에서는 그런 경우가 드물고 연구 현장에서만 입자 크기 분석을 위해 SEM을 활용해,레알.마드리드열화된 배터리 소재 입자가 깨지고 부서지는 형상으로부터 신뢰성을 예측하는 것에 착안했다.
연구팀은 반도체 공정에서와 같이 배터리 공정도 자동화된 SEM으로 양극재 표면을 검수했다.원하는 조성대로 합성이 됐는지 수명은 신뢰성 있게 나올 것인지를 확인해 불량률을 줄일 수 있다면 획기적일 것으로 판단했다.
연구진은 자율주행차에 적용가능한 합성곱 신경망 기반 인공지능에 배터리 소재의 표면 영상을 학습시켜서 양극재의 주 원소 함량과 충·방전 사이클 상태를 예측할 수 있게 했다.
이런 방법론이 첨가제가 들어간 양극재에도 적용가능한 지 확인한 결과 함량은 상당히 정확하게 예측하는 반면 충·방전 상태는 정확도가 낮다는 단점을 알게 됐다.
이에 향후 다양한 공정을 통해서 만든 배터리 소재의 형상을 학습시켜 차세대 배터리의 조성 균일성 검수 및 수명 예측에 활용할 계획이다.
홍승범 교수는 “이번 연구는 세계 최초로 마이크론 스케일의 주사전자현미경 사진의 소재 구조 데이터를 통해 주 원소 함량과 충·방전 상태를 빠르고 정확하게 예측할 수 있는 인공지능 기반 방법론을 개발한 데 의의가 있다”며 “이번 연구에서 개발된 현미경 영상 기반 배터리 소재의 함량 및 상태 감별 방법론은 향후 배터리 소재의 성능과 품질을 향상하는 데 중요한 역할을 하게 될 것으로 기대된다”고 말했다.