2022년 9월 22일

원자 수준 모델링을 활용한 차세대 배터리 소재의 설계 및 발굴

발표자

가르빗 아가르왈
선임 연구원

초록

재충전식 리튬 이온 배터리(LIB)의 개발은 전기 자동차와 휴대용 전자 기기에 혁명을 일으켰습니다. LIB의 전력 밀도, 안전성, 신뢰성 및 수명을 향상시키기 위해서는 추가적인 발전이 필요합니다. ​​지난 수십 년 동안 배터리 소재에 대한 원자 수준 모델링은 실험적 특성 분석 기법을 보완해 왔으며, 신기술 개발의 필수적인 부분이 되었습니다. 신뢰할 수 있는 원자 수준 모델링을 통해 방대한 화학 및 재료 설계 공간에 대한 신속한 초기 평가가 가능해지며, 이는 차세대 배터리 기술의 개발 주기를 가속화합니다.

이번 웨비나에서는 Schrödinger의 첨단 디지털 화학 플랫폼을 활용하여 향상된 특성을 지닌 차세대 배터리 소재의 설계 및 발굴을 가속화하는 방법을 시연할 예정입니다. 또한 전극, 전해질, 전극-전해질 계면 등 배터리의 다양한 구성 요소 간 구조-특성 관계를 이해하기 위한 물리 기반 기법과 머신러닝 기법의 적용에 대해 논의할 것입니다. 또한, 액체 전해질을 모델링하기 위한 최첨단 신경망 힘장( 액티브 러닝 ) 개발을 위한 자동화된 프레임워크에 대해서도 논의할 예정입니다. 이 프레임워크를 통해 매우 정확한 범위 분리형 하이브리드 밀도 함수 이론(range-separated hybrid density functional theory) 데이터를 활용하여 힘장을 훈련시킬 수 있으며, 이를 통해 첨단 배터리 적용을 위한 고성능 액체 전해질의 핵심 체적 특성을 정확하게 예측할 수 있습니다.

주요 학습 목표:

• 배터리 소재에 대한 물리 기반 모델링의 예측 능력을 이해하기
• 자동화된 고처리량 시뮬레이션 워크플로가 새로운 배터리 소재 후보 물질의 신속한 선별을 어떻게 가능하게 하는지 알아보세요
• 정확한 전해질 특성 예측을 위한 첨단 신경망 힘장 적용