고려대, AI 기반 전해질 설계 기술 개발… 성능 향상 원인까지 분석한다

△ 전해질을 이루는 분자의 입체적 구조와 조성·농도 정보를 인공지능이 학습 가능한 형태로 변환해 배터리의 성능 예측에 활용하는 과정을 나타내는 개념도

고려대학교(총장 김동원) 신소재공학부 김웅 교수 연구팀이 가천대학교 화공생명배터리공학부 박진우 교수 연구팀과 공동으로, 인공지능(AI)을 활용한 전해질 설계 기술을 개발했다. 이를 통해 최적의 전해질을 신속하게 발굴할 수 있는 기반을 마련함으로써 리튬 금속 배터리 개발 기술의 수준을 한 단계 끌어올렸다.

이번 연구 성과는 에너지 저장 분야 국제 학술지 ‘Energy Storage Materials(IF=20.2)’ 온라인에 2월 7일 게재됐다.

*논문명: Interpretable enhanced-ECFP-guided deep learning for rational electrolyte design and Coulombic efficiency prediction in lithium metal batteries

*DOI:10.1016/j.ensm.2026.104972

*URL: https://doi.org/10.1016/j.ensm.2026.104972

리튬 금속 배터리는 높은 에너지 밀도를 구현할 수 있어 전기차와 차세대 에너지 저장 장치의 핵심 기술로 주목받는다. 그러나 충·방전 과정에서 리튬이 불규칙하게 성장하는 문제로 수명과 안전성이 저하될 수 있다. 이를 개선하기 위해서는 전해질을 정밀하게 설계해야 하지만, 수많은 후보 조합을 일일이 검증해야 해 시간과 비용 부담이 컸다.

연구팀은 이러한 한계를 극복하기 위해 AI 기반 데이터 분석 접근법을 활용했다. 특히 분자의 연결 구조와 반복 특성, 농도 정보를 함께 반영하는 새로운 분자 표현 기술(e-ECFP)을 개발해 적용했다.

이를 바탕으로 연구팀은 전해질 분자의 입체적인 구조와 농도 정보를 동시에 학습하는 체계를 구축했으며, 성능 예측을 넘어 성능 향상 원인까지 설명하는 ‘해석 가능한 AI 모델’을 구현했다. 또한 염과 용매의 역할을 구분해 학습시키고, AI의 판단 근거를 분석함으로써 모델의 신뢰도를 높였다.

이렇게 구축한 모델로 전해질 후보군을 분석한 결과, 불소를 포함한 구조와 고리형 에테르 구조가 리튬 금속 배터리의 쿨롱 효율 향상에 핵심적인 역할을 하는 것으로 나타났다. 이를 토대로 설계한 신규 전해질은 리튬-구리 하프셀 실험에서 99.72%의 쿨롱 효율을 기록해 세계 최고 수준의 성능을 달성했으며, 리튬-리튬인산철 풀셀 실험에서도 500회 이상의 충·방전 이후 안정적인 용량 유지 특성을 보였다.

*고리형 에테르 구조: 분자 내 산소를 포함한 고리 모양의 화학 구조

*쿨롱 효율: 충전한 전기량 대비 방전 시 회수되는 전기량의 비율

*하프셀 실험: 전극의 성능을 평가하기 위해 기준 전극과 함께 구성한 시험용 전지로 진행하는 실험

*풀셀 실험: 실제 배터리와 동일하게 양극과 음극을 모두 구성한 전지로 전체 성능을 평가하는 실험

연구팀은 “이번 연구는 AI가 단순한 예측 도구를 넘어, 배터리 성능 향상의 원인을 규명하는 데 활용될 수 있음을 보여준 사례”라며 “향후 다양한 차세대 에너지 저장 시스템 설계에도 폭넓게 활용될 수 있을 것으로 기대한다”라고 밝혔다.

이번 연구는 고려대학교의 지원을 받아 수행됐다.

[그림]

△ (왼쪽부터) 고려대 배터리-스마트팩토리학과 이두봉 박사과정(제1저자), 가천대 화공생명배터리공학부 박진우 교수(제1저자), 가천대 화공생명공학과 김은지 학부연구생(참여저자), 고려대 신소재공학부 김웅 교수(교신저자)

기사 작성: 커뮤니케이션팀 강민영(kmy4571@korea.ac.kr)