양극재 표면의 주사전자현미경 사진과 인공지능의 감지 지도 [KAIST 제공]

국제 공동 연구진이 인공지능(AI) 학습을 통해 배터리의 표면 형상만 보고 성능 상태를 정확하게 파악할 수 있는 영상인식 기술을 개발했다.

KAIST는 홍승범 신소재공학과 교수 연구팀이 한국전자통신연구원(ETRI)·미국 드렉셀대 연구팀과 공동 연구를 통해 다양한 조성과 각기 다른 충·방전 사이클의 NCM(니켈·코발트·망간) 양극재 주사전자현미경 사진을 인공지능에 학습시켜 주요 원소 함량과 충·방전 상태를 99.6%의 높은 정확도로 맞추는 방법론을 세계 최초로 개발했다고 2일 밝혔다.

공동 연구팀은 반도체 공정에서는 웨이퍼의 불량 검수를 위해 주사전자현미경(SEM)을 사용하는 반면 배터리 공정에서는 그런 경우가 드물고 연구 현장에서만 입자의 크기 분석을 위해 SEM을 활용하고, 열화된 배터리 소재의 경우 입자가 깨지고 부서지는 형상으로부터 신뢰성을 예측하는 것에 착안했다.

연구팀은 반도체 공정에서와 같이 배터리 공정도 자동화된 SEM으로 양극재 표면을 검수해서 원하는 조성대로 합성이 됐는지 수명은 신뢰성 있게 나올 것인지를 확인해 불량률을 줄일 수 있다면 획기적일 것으로 판단했다.

연구팀은 자율주행차에 적용가능한 합성곱 신경망(CNN) 기반 인공지능에 배터리 소재의 표면 영상을 학습시켜서 양극재의 주 원소 함량과 충·방전 사이클 상태를 예측할 수 있게 했다. 이런 방법론이 첨가제가 들어간 양극재에도 적용 가능한지 확인한 결과 함량은 상당히 정확하게 예측하는 반면 충·방전 상태는 정확도가 낮다는 단점을 알게 됐다.

연구팀은 향후 다양한 공정을 통해서 만든 배터리 소재의 형상을 학습시켜 차세대 배터리의 조성 균일성 검수 및 수명 예측에 활용할 계획이다.

홍 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”고 말했다. 이어 “이번 연구에서 개발된 현미경 영상 기반 배터리 소재의 함량·상태 감별 방법론은 향후 배터리 소재의 성능과 품질을 향상시키는 데 중요한 역할을 하게 될 것”이라고 기대했다.

한국연구재단 지원으로 수행된 이번 연구 결과는 국제 학술지 ‘엔피제이 컴퓨테이셔널 머티리얼스’에 5월 4일 게재됐다.

구본혁 기자