AI가 리튬 배터리를 대체할 수 있는 강력한 소재 5개를 발견했습니다.

듀얼 AI 시스템은 고성능, 친환경 다가 배터리에 적합한 5가지 유망한 소재를 발견했으며, 이는 리튬 이온 기술을 대체할 것으로 예상됩니다.

뉴저지 공과대학(NJIT)의 연구진은 인공 지능을 사용하여 에너지 저장의 미래가 직면한 중요한 문제, 즉 리튬 이온 배터리를 대체할 저렴하고 지속 가능한 대안을 찾는 문제를 해결했습니다.

Cell Reports Physical Science 에 게재된 연구에서 , 디바카르 다타 교수가 이끄는 NJIT 연구팀은 생성적 AI 기술을 성공적으로 적용하여 다가 이온 배터리에 혁명을 일으킬 수 있는 새로운 다공성 소재를 빠르게 발견했습니다. 마그네슘, 칼슘, 알루미늄, 아연과 같은 풍부한 원소를 사용하는 이 배터리는 세계적인 공급 문제와 지속 가능성 문제에 직면한 리튬 이온 배터리에 대한 유망하고 비용 효율적인 대안을 제시합니다.

단 하나의 양전하를 띠는 리튬 이온에 의존하는 기존 리튬 이온 배터리와 달리, 다가 이온 배터리는 두 개 또는 세 개의 양전하를 띠는 이온 원소를 사용합니다. 즉, 다가 이온 배터리는 훨씬 더 많은 에너지를 저장할 수 있어 미래 에너지 저장 솔루션으로 매우 매력적입니다.

그러나 다가 이온은 크기가 더 크고 전하가 더 크기 때문에 배터리 소재에 효율적으로 수용하기 어렵습니다. NJIT 팀의 새로운 AI 기반 연구는 바로 이 문제를 직접 해결합니다.

"가장 큰 어려움 중 하나는 유망한 배터리 화학 물질의 부족이 아니라, 수백만 가지의 재료 조합을 시험하는 것이 완전히 불가능하다는 것이었습니다."라고 다타는 말했습니다. "우리는 그 광대한 영역을 빠르고 체계적으로 분석하여 다가 배터리를 실제로 실용화할 수 있는 몇 안 되는 구조를 찾아내기 위해 생성적 AI에 의지했습니다.

"이러한 접근 방식을 통해 수천 개의 잠재적 후보 물질을 신속하게 탐색할 수 있으며, 리튬 이온 기술에 대한 보다 효율적이고 지속 가능한 대안을 찾는 속도가 획기적으로 빨라졌습니다."

이러한 어려움을 극복하기 위해 NJIT 팀은 새로운 이중 AI 접근법, 즉 결정 확산 변이 자동 인코더(CDVAE)와 정밀하게 조정된 대규모 언어 모델(LLM)을 개발했습니다. 이러한 AI 도구를 활용하여 수천 개의 새로운 결정 구조를 빠르게 탐색했는데, 이는 기존 실험실 실험으로는 불가능했던 일입니다.

CDVAE 모델은 알려진 결정 구조의 방대한 데이터 세트를 기반으로 학습되었으며, 이를 통해 다양한 구조적 가능성을 가진 완전히 새로운 소재를 제안할 수 있었습니다. 한편, LLM은 실용적인 합성에 필수적인 열역학적 안정성에 가장 가까운 소재에 초점을 맞추었습니다.

다타는 "저희 AI 도구는 발견 과정을 획기적으로 가속화하여 놀라운 가능성을 보여주는 완전히 새로운 다공성 전이 금속 산화물 구조 5개를 발견했습니다."라고 말했습니다. "이 물질들은 크고 개방된 채널을 가지고 있어 부피가 큰 다가 이온을 빠르고 안전하게 이동시키는 데 이상적입니다. 이는 차세대 배터리의 중요한 돌파구입니다."

연구팀은 양자역학 시뮬레이션과 안정성 시험을 통해 AI가 생성한 구조를 검증했고, 이를 통해 해당 소재를 실험적으로 합성할 수 있으며 실제 응용 분야에 큰 잠재력이 있음을 확인했습니다.

다타는 AI 기반 접근 방식의 더 광범위한 의미를 강조했다. "이것은 단순히 새로운 배터리 소재를 발견하는 것 이상입니다. 광범위한 시행착오 없이 전자 제품에서 청정 에너지 솔루션에 이르기까지 모든 첨단 소재를 탐색할 수 있는 신속하고 확장 가능한 방법을 확립하는 것입니다."

이러한 고무적인 결과를 바탕으로 Datta와 그의 동료들은 실험실과 협력하여 AI가 설계한 소재를 합성하고 테스트하여 상업적으로 실행 가능한 다가 이온 배터리의 경계를 더욱 넓힐 계획입니다.

출처: https://www.sciencedaily.com/releases/2025/08/250802022915.htm