신소재공학과 홍승범 교수 연구팀이 신소재 개발 기간을 단축하는 M3I3 플랫폼을 적용한 배터리 양극 소재 연구를 진행했다. 이번 연구는 KAIST 10대 플래그십 분야이자 글로벌 특이점 과제로, 글로벌 특이점 사업의 지원을 받아 수행됐다. 해당 연구 결과는 지난 2월 12일 국제 학술지 <에이씨에스 나노(ACS Nano)>에 게재되었다.

KAIST 신소재 혁명: M3I3 이니셔티브

    KAIST 10대 플래그십 분야 중 하나인 ‘KAIST 신소재 혁명: M3I3(Materials and Molecular Modeling, Imaging, Informatics, and Integration) 이니셔티브’는 다중 스케일 영상화와 머신 러닝, 분자 프린팅을 활용해서 신물질을 역설계하고 개발 기한을 단축하고자 하는 과제다. 지금까지는 공정 변수를 바꿔가면서 물성을 확인하여 최적화를 진행하여 소재 개발에 긴 시간이 걸렸다. M3I3 플랫폼은 공정-구조-물성 관계 데이터베이스를 통해 신소재 공정 레시피를 역설계하여 개발에 드는 시간을 단축한다. 원자간력 현미경(Atomic Force Microscopy, AFM), 투과 전자 현미경(Transmission Electron Microscopy, TEM) 등을 이용한 다중 스케일 영상화를 이용해 구조-물성 라이브러리를 만들고, 기존의 공정 변수 데이터와 시뮬레이션 데이터를 통해 공정-구조 라이브러리를 만든 후 이를 융합하면 M3I3 플랫폼의 핵심인 공정-구조-물성 관계 데이터베이스가 구축된다. 이를 바탕으로 머신러닝을 통해 원하는 물성에 대한 공정 레시피를 역설계하는 알고리즘을 얻을 수 있다. 여기에 다중 스케일 분자 프린팅 기술 또한 적용하면 신소재 개발에 걸리는 시간을 단축할 수 있다. 또한, 기존 데이터를 통해 만든 모델은 전이 학습을 통해 새로운 소재에도 적용할 수 있다.

배터리 소재에 적용

    이번 논문에서는 M3I3 플랫폼을 현재 가장 주목받고 있는 소재 중 하나인 배터리에 적용했다. 고용량 배터리 개발을 목표로, 니켈-코발트-망가니즈(Ni-Co-Mn) 양극재에 초점을 맞춘 연구가 진행되었다. 현재 배터리의 용량은 양극의 용량에 의존하는데, 양극의 물성을 결정하는 것이 Ni, Co, Mn의 조성비이다. 기존에는 최적의 조성비를 실험과 시행착오를 통해 알아냈다면, M3I3 플랫폼은 데이터 수집과 이를 이용한 역설계를 통해 최적의 Ni-Co-Mn 조성비를 알아낸다. 지난 20여 년간의 NCM 관련 논문을 50여 명의 학생이 읽고 데이터를 추출했고, 3가지 결측값 대체 도구(k-최근접 이웃(KNN), 랜덤 포레스트(random forest), MICE(Multivariate Imputation by Chained Equations))를 이용하여 데이터를 보완했다. 이를 바탕으로 머신러닝을 이용하여 양극재의 조성비와 에너지 밀도의 상관관계를 파악했다. 파악한 공정-구조-물성 관계를 바탕으로 최적의 모델을 수립했고, 이후 실제 합성을 진행하여 수립한 모델의 정확도를 보였다.

리튬 양극으로의 확장

    M3I3 플랫폼을 통해 만든 전통적인 니켈-코발트-망가니즈(Ni-Co-Mn) 양극재에 대한 모델을 더 높은 에너지 밀도를 가진 리튬-리치 양극(Li-rich cathode)에 적용할 수 있다. 리튬-리치 양극은 관련 데이터가 부족하다는 한계를 가지고 있는데, 이를 해결하기 위해 머신러닝을 통해 데이터 양을 보완하는 것과 함께 기존 Ni-Co-Mn 양극재 모델을 이용할 수 있다. 기존 모델과 리튬-리치 양극의 공통점을 이용해 전이 학습(transfer learning)을 진행하면, 적은 데이터로도 리튬-리치 양극에 대한 예측을 할 수 있게 된다.

    홍 교수는 “KAIST에서 최초로 만든 M3I3 플랫폼은 모든 소재에 적용할 수 있으며, 앞으로 배터리뿐만 아니라 메모리, 자동차/항공기 소재, 화장품, 음식까지 범위를 넓혀갈 것이다”라고 전했다. 또한, “역설계를 통해 양극재 개발 시간 단축이 가능함을 보인 이후에는 양극에 한정하지 않고 배터리 시스템까지 확장하고, 새로운 소재, 메모리에도 접근할 계획”이라고 밝혔다.