충전식 리튬 이온 배터리의 전극에 있는 수십억 개의 작은 입자는 전하를 저장하고 필요할 때 작동시키는 역할을 합니다. 이 과정의 X선 영상은 배터리가 충전 및 방전될 때 입자가 리튬 이온을 흡수하고 방출한다는 것을 보여줍니다. 이제 연구자들은 컴퓨터 비전이라는 기계 학습 기술을 사용하여 X-ray 영화의 모든 픽셀을 더 깊이 파고 분석하여 이전에는 볼 수 없었던 배터리 사이클의 물리적, 화학적 세부 사항을 밝혀냈습니다. 이는 중요한 진전입니다.
미국 에너지부 산하 SLAC 국립 가속기 연구소, 스탠포드 대학교, MIT, 도요타 연구소 연구원들은 9월 13일 네이처(Nature) 저널에 새로운 접근법이 리튬 이온 배터리 전극에 있는 수십억 개의 나노 입자가 전하를 보다 효율적으로 저장하고 방출할 수 있는 방법을 제시했다고 보고했습니다.
"이제 작동 중인 배터리 나노입자의 아름다운 X선 영상을 제작하는 것이 가능하지만 이 영상은 너무 정보 집약적이어서 입자가 어떻게 기능하는지에 대한 미묘한 세부 사항을 이해하는 것이 정말 어려운 일입니다."라고 스탠포드 대학교 부교수이자 SLAC 부서 과학자이자 SLAC-스탠포드 배터리 센터 소장이자 MIT 교수인 마틴 바잔트(Martin Bazant)와 공동 연구를 주도한 윌리엄 추(William Chueh)는 말했습니다.
Chueh는 "이제 이전에는 불가능했던 통찰력을 얻을 수 있습니다"라고 말했습니다. 우리 업계 파트너는 더 나은 배터리를 더 빨리 개발하기 위해 이러한 필수 과학 기반 정보가 필요합니다. "
더 광범위하게, 연구원들은 이미지의 복잡한 패턴 뒤에 있는 물리학을 발견하는 이 방법이 발달 중인 배아의 세포 분열과 같은 다른 유형의 화학적 및 생물학적 시스템에 대한 전례 없는 통찰력을 제공할 수도 있다고 말합니다.
투명 배터리로 밝혀지는 비밀
연구팀이 연구한 배터리 입자는 리튬인산철(LFP)로 만들어졌다. 그들은 수십억 개의 많은 리튬 이온 배터리의 양극에 포장되어 있으며 각각은 전극의 전도성을 향상시키기 위해 얇은 탄소 층으로 코팅되어 있습니다.
배터리가 작동할 때 내부에서 무슨 일이 일어나는지 확인하기 위해 Chueh 팀은 두 개의 전극이 자유롭게 움직이는 리튬 이온으로 채워진 전해질 용액으로 둘러싸인 작은 투명 셀을 만들었습니다.
배터리가 방전되면 리튬 이온은 리튬 이온 배터리 양극으로 흘러들어가 혼잡한 주차장에 있는 자동차처럼 나노입자에 갇히게 되는데, 이러한 반응을 인터칼레이션(intercalation)이라고 합니다. 배터리가 충전되면 리튬 이온이 다시 흘러나와 반대쪽 음극에 도달합니다.
SLAC, 스탠포드 대학교, MIT 및 Toyota 연구소의 연구진은 기계 학습 기술을 사용하여 이와 같은 X선 영화를 픽셀 단위로 재분석하여 배터리 사이클링의 새로운 물리적, 화학적 세부 사항을 발견했습니다. 이 애니메이션은 2016년에 팀이 제작한 X선 이미지를 기반으로 합니다. 리튬 이온 배터리 전극에 있는 수십억 개의 나노 입자 중 일부가 리튬 이온이 들어오고 나갈 때 어떻게 충전(빨간색에서 녹색) 및 방전(녹색에서 빨간색)되는지 보여주고, 개별 입자 내부의 과정이 얼마나 고르지 않은지 보여줍니다. 출처: SLAC 국립 가속기 연구소
Toyota Research Institute의 에너지 및 재료 담당 수석 이사인 Brian Storey는 "인산철리튬은 저렴한 비용, 우수한 안전 성능 및 풍부한 요소 사용으로 인해 중요한 배터리 소재입니다. 전기 자동차 시장에서 LFP의 사용이 증가하고 있으므로 이 연구의 시기가 더할 나위 없이 좋을 것입니다."라고 말했습니다.
협업 이력 및 이전 작업
Chueh와 Bazant는 8년 전부터 배터리 연구에 협력하기 시작했습니다. Bazant는 리튬 이온이 LFP 입자 안팎으로 이동할 때 형성되는 패턴에 대한 광범위한 수학적 모델링을 수행했습니다. Chueh는 로렌스 버클리 국립 연구소(Lawrence Berkeley National Laboratory)의 고급 광원(Advanced Light Source)에서 고급 X선 현미경을 사용하여 10억분의 1미터만큼 작은 세부 사항으로 작업 중인 배터리 입자의 나노 크기 영화를 촬영해 왔습니다.
2016년에 그들의 연구팀은 리튬 이온이 개별 LFP 나노입자 안팎으로 어떻게 이동하는지 보여주는 획기적인 나노 규모의 영화를 발표했습니다.
그런 다음 Toyota Research Institute의 자금 지원을 받아 팀은 MIT에서 개발된 기계 학습 도구를 사용하여 배터리 테스트 프로세스 속도를 크게 높이고 가장 효율적인 충전 방법을 찾기 위해 가능한 많은 충전 방법을 선별하기 시작했습니다. 또한 그들은 데이터에서 패턴을 찾는 전통적인 기계 학습과 물리학을 바탕으로 한 실험 및 방정식에서 얻은 지식을 결합하여 고속 충전 리튬 이온 배터리의 수명을 단축하는 프로세스를 발견하고 설명했습니다.
픽셀별 분석
이 최신 연구에서 Chueh와 Bazant는 기계 학습의 하위 분야인 컴퓨터 비전을 사용하여 2016년에 촬영한 리튬 이온 배터리 입자 충전 또는 방전에 대해 촬영한 62개의 나노 크기 X선 영상에서 더 자세한 정보를 추출했습니다. 이 영화의 각 정지 이미지에는 약 490픽셀이 포함되어 있습니다. 이는 X선으로 촬영한 검출기이든 스마트폰 카메라로 촬영한 가시광선이든 이미지에서 얻을 수 있는 가장 작은 정보 단위입니다. 이는 대략 180,000픽셀의 정보를 제공합니다.
팀은 이 180,000개의 픽셀을 사용하여 계산 모델을 훈련하여 리튬 삽입 반응이 어떻게 진행되는지 정확하게 설명하는 방정식을 생성했습니다. 그들은 LFP 입자 내의 이온 운동이 Bazant의 컴퓨터 시뮬레이션 예측과 매우 잘 일치한다는 것을 발견했습니다.
"내부의 모든 작은 픽셀은 가득 찬 상태에서 비어 있는 상태로, 가득 찬 상태에서 비어 있는 상태로 점프하고 있습니다"라고 Bazant는 말했습니다. "우리는 이것이 어떻게 일어나는지 이해하기 위해 방정식을 사용하여 전체 프로세스를 매핑하고 있습니다."
"새로운 기술은 단일 LFP 나노입자의 다양한 영역에서 리튬 삽입 반응 속도의 변화를 포함하여 이전에는 볼 수 없었던 몇 가지 현상을 드러냈습니다"라고 Bazant는 말했습니다. "일부 지역은 매우 빠르게 반응하고 다른 지역은 매우 느리게 반응하는 것으로 보입니다."
논문의 가장 중요하고 실용적인 발견은 LFP 입자의 탄소 코팅 두께 변화가 리튬 이온의 진입 및 방출 속도를 직접 제어하여 보다 효율적인 충전 및 방전으로 이어질 수 있다는 것입니다.
과학자들은 이 연구를 통해 배터리 프로세스를 제어하는 것이 액체 전해질과 고체 전극 재료 사이의 인터페이스라는 것을 알게 되었습니다. 여기서 삽입 반응과 입상 탄소 코팅 두께의 변화는 복잡한 방식으로 상호 작용합니다. 이는 다음 단계가 실제로 인터페이스를 엔지니어링하는 것이어야 함을 의미합니다.
Toyota Research Institute의 Storey는 다음과 같이 덧붙였습니다. "이 논문의 출판은 6년간의 노력과 협력의 정점입니다. 이 기술을 통해 우리는 이전에 한 번도 해본 적이 없는 방식으로 배터리의 내부 작동을 밝혀낼 수 있습니다. 우리의 다음 목표는 이 새로운 이해를 적용하여 배터리 설계를 개선하는 것입니다."