고려대학교는 가천대학교와 공동으로 인공지능을 활용해 전해질을 설계하고 성능 향상 원인까지 분석할 수 있는 기술을 개발했다고 밝혔다.

리튬금속 배터리는 높은 에너지 밀도로 전기차와 차세대 저장장치 핵심 기술로 꼽히지만 충·방전 과정에서 리튬이 불규칙하게 성장해 수명과 안전성이 떨어지는 문제가 있다. 전해질 설계가 해결책으로 제시되지만 후보 조합이 방대해 실험 중심 개발에는 시간과 비용 부담이 컸다.

연구팀은 분자 구조와 반복 특성, 농도 정보를 동시에 반영하는 새로운 분자 표현 기법을 적용해 AI 학습 모델을 구축했다. 성능 예측뿐 아니라 염과 용매의 역할을 구분하고 판단 근거를 분석할 수 있는 해석형 모델을 구현한 것이 특징이다.

AI 분석 결과 불소를 포함한 구조와 고리형 에테르 구조가 쿨롱 효율 향상에 핵심 요소로 나타났다. 이를 반영해 설계한 전해질은 리튬-구리 하프셀 실험에서 99.72% 쿨롱 효율을 기록했고 리튬-리튬인산철 풀셀에서도 500회 이상 충·방전 후 안정적인 용량 유지 특성을 보였다.

대학측은 AI가 단순 예측을 넘어 배터리 성능 향상 원인을 설명하는 도구로 활용될 수 있음을 입증한 사례라고 설명했다.

연구 결과는 국제 학술지 ‘에너지 스토리지 머티리얼즈’ 2월 7일자 온라인판에 게재됐다.