미국 매사추세츠 공과대학(MIT) 연구팀이 최근 단단한 암석에서 리튬을 추출하는 데 드는 에너지 소비와 비용을 크게 줄일 수 있을 것으로 기대되는 새로운 공정을 발표했다. 전기차 배터리의 경제성장을 바꿀 수도 있다는 분석이다. Science 저널에 발표된 관련 연구는 리튬 함유 경암 광석을 처리할 때 에너지 소비와 폐기물 배출을 줄이는 방법에 중점을 두고 있습니다.

현재 리튬이온 배터리가 배터리 시장을 장악하고 있는 주요 이유는 공급망이 대규모이고 시스템이 성숙해 매우 효율적인 글로벌 리튬 공급망을 형성해 대체 기술이 가격 경쟁을 하기 어렵다는 점이다. 그러나 이러한 장점은 값싼 리튬 자원의 안정적인 공급에 크게 좌우되며, 현재 저가의 리튬 자원은 주로 남미에 집중된 염호 염수 매장지에서 나옵니다. 리튬은 지각에 풍부하다는 점에서 부족한 것은 아니지만, 채굴이 쉽고 가격이 저렴한 고품질의 광석 자원은 풍부하지 않습니다.

이러한 배경에서 사람들은 세계에서 가장 풍부한 경암 리튬 자원인 스포듀민이라는 리튬 함유 광물에 계속 주목하고 있습니다. 그러나 전통적인 스포듀민 처리 기술은 비용이 많이 듭니다. 리튬을 추출하려면 광석을 섭씨 약 1,000도까지 가열한 다음 황산으로 침출해야 합니다. 이 공정은 성숙하고 신뢰할 수 있지만 막대한 에너지 소비가 수반되고 다량의 황 함유 폐기물이 생성됩니다.

MIT와 협력자들이 제안한 새로운 접근 방식은 매우 다른 길을 택합니다. 고온 로스팅으로 시작하는 대신 섭씨 약 70도까지 가열한 불화암모늄 용액을 사용해 광물 구조를 분해하는 방식이다. 이 공정에서 광석은 리튬, 규소, 알루미늄의 세 가지 물질 흐름으로 분리됩니다. 리튬은 불화리튬 형태로 용액에 용해되고, 규소는 용해성 화합물을 형성하며, 알루미늄은 가공이 용이하도록 고체 중간 생성물로 변환됩니다.

후속 단계에서 알루미늄 처리는 공정에서 가장 에너지 집약적인 연결로, 처음에는 섭씨 약 300도, 그 다음에는 약 섭씨 700도까지 단계적인 가열이 필요하여 궁극적으로 순도 98% 이상의 알루미나를 생산합니다. 이에 비해 실리콘 처리는 상대적으로 간단합니다. 암모니아를 첨가하면 용액의 실리콘 화합물이 분리하기 쉬운 실리카 침전물로 변환됩니다. 연구팀은 이러한 실리카가 콘크리트 첨가제로 사용될 수 있으며 잠재적으로 가공 비용을 부분적으로 상쇄하는 데 도움이 될 수 있다고 지적했습니다.

리튬은 항상 불화리튬으로 용액에 남아 있습니다. 이 형태에서는 전해질 재료인 6불화인산리튬의 전구체로 직접 사용할 수 있으며, 추가로 질산리튬으로 전환한 다음 산화리튬으로 제조하여 전통적인 배터리 재료 생산 공정에 들어갈 수 있습니다. 이는 새로운 프로세스를 기존 리튬 배터리 산업 체인과 연결하기 위한 다양한 경로 옵션을 제공합니다.

새로운 공정의 주요 특징은 자체 반응 시스템의 "폐쇄 루프" 관리입니다. 다단계 반응 과정에서 암모니아 및 불화수소와 같은 물질이 생성됩니다. 연구팀은 이를 폐기물로 처리하는 대신 두 가지를 불화암모늄으로 재합성하여 다시 프런트엔드 처리에 참여하는 재활용 링크를 설계했습니다. 이 폐쇄 루프 설계는 시약 손실과 폐기물 배출을 줄이는 데 도움이 되지만 부식성이 강하고 독성이 있는 불화수소에 대한 엄격한 안전 관리가 필요하다는 의미이기도 합니다.

경제적인 관점에서 연구팀이 제시한 계산에 따르면 기존 스포듀민 가공 비용은 리튬 톤당 9,000달러보다 약간 낮은 반면, 새로운 공정은 톤당 5,000달러 이상으로 비용을 줄일 것으로 예상됩니다. 이는 고품질 염수 자원에서 리튬을 추출하는 비용 수준에 거의 가깝습니다. 알루미늄과 실리콘 부산물이 성공적으로 시장에 진입해 현금화할 수 있다면 전체 비용을 더욱 절감할 여지가 있다.

그러나 연구원들은 실험실 측정과 실제 공장 운영 사이에는 여전히 여러 가지 불확실성이 있음을 강조했습니다. 실제 비용은 광석 등급, 시장 가격 변동, 새로운 공정을 위한 생산 시설을 구축하거나 수정하는 데 필요한 자본 투자 등의 요인에 따라 달라집니다. 그럼에도 불구하고 이 연구는 여전히 리튬 공급 문제에 대한 새로운 아이디어로 평가받고 있다. 이는 리튬 자원의 지리적 원천에 초점을 맞출 뿐만 아니라 추출 과정 자체에서 시작하여 에너지 활용 및 자원 회수 모델을 최적화하려고 시도합니다.