국내 연구진이 불필요한 배터리 실험을 줄일 수 있는 성능 예측 AI(인공지능)를 개발했다.
한국과학기술원(KAIST) 신소재공학과 홍승범‧조은애 교수 공동연구팀은 실험 데이터가 불완전한 상황에서도 배터리 양극재의 입자 크기를 정확하게 예측하고, 결과를 얼마나 신뢰할 수 있는지까지 함께 제공하는 머신러닝 프레임워크를 개발했다.

현재 전기자동차(EV) 배터리에 가장 널리 사용되는 양극재는 니켈(Ni), 코발트(Co), 망간(Mn)을 혼합한 NCM 계열 금속 산화물이며 배터리 수명과 충전 속도, 주행 거리, 안전성에 큰 영향을 미치고 있다.
KAIST 연구진은 양극재를 이루는 아주 작은 1차 입자의 크기가 배터리 성능을 결정하는 핵심 요소라는 점에 주목해 입자 크기를 정확하게 예측하고 제어할 수 있는 AI 기반 기술을 개발했다.
기존에는 입자 크기를 파악하기 위해 분말 입자들이 하나의 덩어리로 되는 소결 온도와 시간, 소재 조성을 바꿔가며 수많은 실험을 반복해야 했으나 실제 연구 현장에서 모든 조건을 빠짐없이 측정하기 어렵고, 실험 데이터가 누락되는 경우도 잦아 공정 조건과 입자 크기 간 관계를 정밀하게 분석하는데 한계가 있었다.
연구팀은 누락된 데이터는 보완하고 예측 결과는 신뢰도와 함께 제시하는 AI 프레임워크를 설계했다.
화학적 특성을 고려해 빠진 실험 데이터를 보완하는 기술과 예측 불확실성을 함께 계산하는 확률적 머신러닝 모델을 결합한 것이 특징이며, AI 모델이 단순히 입자 크기를 예측하는데 그치지 않고 예측을 어느 정도까지 신뢰할 수 있는지에 대한 정보까지 함께 제공하고 있다.
실험 데이터를 확장해 학습한 결과 AI 모델은 약 86.6%의 높은 예측 정확도를 보였다.
홍승범 교수는 “모든 실험을 수행하지 않아도 성공 가능성이 높은 조건을 먼저 찾을 수 있는 길을 열었다는 점에서 의미가 크다”며 “배터리 소재 개발 속도를 높이고 불필요한 실험과 비용을 크게 줄일 수 있을 것”이라고 강조했다.