국내 연구팀, AI로 전고체 배터리 성능 높일 공식 찾았다

배터리 성능, 이온이 얼마나 쉽게 이동하는지에 따라 좌우

[사진=KIST]

국내 연구팀이 인공지능(AI)를 기반으로 차세대 배터리 기술 '전고체전지'의 성능을 끌어올릴 공식을 찾아냈다. 

한국과학기술연구원(KIST)는 이병주 박사 연구팀이 AI 기반 원자 시뮬레이션으로 비정질 고체전해질 리튬 이온 이동을 좌우하는 핵심 요인을 규명했다고 25일 밝혔다. 

그간 스마트폰, 전기차, 에너지 저장장치(ESS) 등 다양한 산업에서 사용하는 리튬이온전지는 액체 전해질을 사용해 외부 충격이나 과열 시 화재·폭발 위험이 존재했다. 때문에 안정성 우려가 커지고 있는 상황이다.

이에 불에 타지 않는 고체 물질을 전해질로 사용하는 전고체전지가 차세대 배터리 기술로 주목 받고 있다. 그러나 전고체전지 핵심 소재인 비정질 고체전해질은 내부 구조가 불규칙해 리튬 이온 이동 메커니즘을 분석하기 어려웠다. 

연구팀은 리튬 이온 이동을 '각 자리 사이 이동 용이성'과 '이동 경로 연결성'으로 구분해 분석했다. 그 결과, 전체 배터리 성능은 경로의 연결성보다 이온이 얼마나 쉽게 이동하는지(이동 용이성)에 더 크게 좌우된다는 사실을 확인했다. 실제로 '이동 용이성' 조건에 따라 이온 전도 성능은 최대 5배 이상 차이를 보인 반면, 경로 연결성의 영향은 약 2배 수준에 그쳤다.

또한 연구팀은 리튬 내부의 빈 공간 크기가 적정 범위에 있을 때 가장 우수한 성능을 보인다는 사실도 밝혔다. 특히 지나치게 큰 빈 공간은 오히려 이온 이동 성능을 방해한다는 점도 알아냈다. 

연구팀은 이번 연구 성과를 전고체전지용 고체전해질 설계와 제조 공정에 적용할 수 있다고 분석했다. 전해질의 조성 비율이나 압축·성형 조건을 조절해 내부 구조를 제어하는 것만으로도 추가적인 소재 변경 없이 이온 전도 성능을 개선할 수 있어, 산업 현장에서 활용도가 높다는 이야기다. 

아울러 고성능 후보 물질을 사전에 선별하여 성능 예측과 소재개발 속도를 향상시킬 수 있어, 전기차와 에너지 저장장치 등 안전성과 에너지 밀도가 중요한 분야에서 전고체전지 상용화를 앞당길 것으로 기대된다.

이 박사는 "이번 연구는 비정질 고체전해질의 성능을 좌우하는 핵심 요인을 명확히 규명했다는 점에서 의미가 크다"며, "소재 성능을 체계적으로 개선할 수 있는 설계 기준을 제시한 만큼, 향후 전고체전지 상용화를 앞당기는 데 기여할 수 있을 것으로 기대한다"고 말했다.