EV 배터리, 에너지 '약'으로 활용: 장기 전력 공급 위해 화학 물질 '처방' EV batteries get energy ‘medicines’: US lab ‘prescribes’ chemicals for long-lasting power

EV batteries get energy ‘medicines’: US lab ‘prescribes’ chemicals for long-lasting power

The model was able to accurately predict the performance of 125 new additive combinations.

 

Scientists at Argonne National Laboratory have used a machine learning model to identify new chemical “medicines” for batteries.

By training the model on a small dataset, the team predicted effective chemical combinations that could improve the performance of a high-voltage battery technology.

https://interestingengineering.com/energy/ev-batteries-to-get-energy-medicines?utm_source=webpush&utm_medium=article

 

EV 배터리, 에너지 '약'으로 활용:

미국 연구소, 장기 전력 공급 위해 화학 물질 '처방'

 

이 모델은 125개의 새로운 첨가제 조합의 성능을 정확하게 예측할 수 있었습니다.

 

아르곤 국립연구소의 과학자들은 기계 학습 모델을 사용하여 배터리에 사용할 새로운 화학 "약물"을 찾아냈습니다.

 

연구팀은 소규모 데이터세트로 모델을 훈련시켜 고전압 배터리 기술의 성능을 향상시킬 수 있는 효과적인 화학 조합을 예측했습니다.

 

연구진은 보도자료를 통해 "기계 학습을 통해 올바른 '처방전'을 찾으면 과학자들은 배터리가 최상의 성능으로 작동하도록 보장할 수 있으며, 이를 통해 더욱 효율적이고 오래 지속되는 에너지 솔루션을 위한 길을 열 수 있다"고 밝혔습니다.

 

연구진은 28가지 첨가제의 초기 데이터세트로 모델을 학습시킨 후, 125가지 새로운 조합의 성능을 예측했습니다. 이 방법을 통해 4~6개월이 걸릴 것으로 예상되는 실험 과정을 생략할 수 있었습니다.  

 

Argonne의 계산 과학자인 히에우 도안은 "기계 학습 모델을 훈련하려면 많은 양의 데이터가 필요하다는 것이 전통적인 생각"이라고 덧붙였다.

 

"하지만 저희 연구는 정확한 예측 모델을 학습하는 데 많은 데이터가 필요하지 않다는 것을 보여줍니다. 제대로 된 예측을 위해서는 좋은 데이터 세트만 있으면 됩니다."

 

Visualization of a data-driven approach to additive design for electrolytes in LNMO batteries, combining computational modeling, chemical structures and advanced battery systems for enhanced energy storage solutions. (Image by Chen Liao/Argonne National Laboratory.) LNMO 배터리 전해질 첨가제 설계에 대한 데이터 기반 접근법의 시각화. 전산 모델링, 화학 구조 및 고급 배터리 시스템을 결합하여 향상된 에너지 저장 솔루션을 제공합니다. (이미지 제공: Chen Liao/Argonne National Laboratory)

 

분해의 문제

이 연구는 LNMO(리튬, 니켈, 망간, 산소로 구성)라는 유형의 배터리를 중심으로 진행되었습니다. 이 배터리는 더 높은 에너지 용량을 제공하며, 공급망에 제약이 있는 코발트를 필요로 하지 않습니다.

 

그러나 LNMO 배터리는 대부분 전해질의 안정성 한계보다 높은 거의 5볼트의 높은 전압에서 작동합니다.

 

"휴대폰 배터리와 개별 전기 자동차 셀은 일반적으로 약 4볼트의 저전압에서 작동합니다. 그러나 5볼트에서 작동하는 LNMO 배터리는 알려진 모든 전해질의 안정성 한계를 훨씬 초과합니다."라고 보도 자료는 설명했습니다 .

 

시카고 대학의 수석 과학자이자 Argonne 화학자인 천 리아오는 "하지만 전해질과 음극이 분해로 이어질 수 있는 고에너지 상태에 있기 때문에 수많은 과제도 안고 있다"고 덧붙였다.

 

전해질 첨가제 사용

이 문제를 해결하기 위해 과학자들은 전해액 첨가제를 사용합니다. 효과적인 첨가제는 초기 배터리 사이클 동안 분해되어 전극에 안정적인 계면을 형성합니다. 이 계면층은 저항을 낮추고 성능 저하를 줄여 배터리 성능을 향상시킬 수 있습니다.

 

수백 가지의 가능성 중에서 적합한 첨가제를 찾아내는 것은 기존 방식으로는 긴 시간이 걸리는 과정입니다. Argonne 팀은 첨가제의 화학 구조와 배터리 성능 에 미치는 영향을 연결하는 머신러닝 모델을 개발했습니다 .

https://interestingengineering.com/energy/ev-batteries-to-get-energy-medicines?utm_source=webpush&utm_medium=article