선지원 숭실대학교 기계공학부 학생이 지난달 18일 학부 과정 동안 진행한 연구를 토대로 'ACS Applied Materials & Interfaces'(Impact Factor=10.383)에 제1저자로 'Accelerated Discovery of Novel Garnet-Type Solid-State Electrolyte Candidates via Machine Learning' 논문을 게재했다.

해당 논문에서는 가넷형 고체 전해질의 기계적 물성을 예측하는 머신러닝 기반 'surrogate regression model'을 구축했다. 그 결과 물질 탐색 시간을 기존 실험 방법보다 크게 줄였으며, 기존 가넷형 화합물보다 높은 기계적 물성과 이온 전도도를 가진 차세대 전고체 배터리의 전해질 후보 10개를 제시했다.

최근 높은 에너지 밀도를 가진 배터리에 대한 수요가 빠르게 증가하고 있으며, 고성능 배터리 개발에 대한 관심도 높아지고 있다. 전고체 배터리는 높은 에너지 밀도와 안정성을 갖춘 차세대 고성능 배터리로 유망한 후보이다. 하지만 전고체 배터리의 핵심 소자인 고체 전해질은 이온 전도도가 낮아 상용화에 어려움이 있는 상황이다.

본 연구는 한국연구재단의 지원을 받아 수행됐다. 민경민 기계공학부 교수가 연구책임자로, 기계공학부 강승표·김준철 학생이 공동저자로 참여했다.

선지원 학생은 "빠르게 변화하는 산업계의 수요에 맞춰 우수한 물질의 탐색하기 위해서는 기존 시뮬레이션 및 실험 기반 탐색 방법에 머신러닝 기술이 함께 적용돼야 한다"며 "이미 4차 산업혁명 속에서 머신러닝과 소재 탐색 연구는 융합되고 있다. 앞으로 머신러닝과 시뮬레이션 기술을 융합해 훌륭한 물질을 찾는 연구자로 성장할 것"이라고 말했다. 이어 "민경민 교수님의 열정적인 지도 덕분에 완성도 높은 연구 결과를 낼 수 있었다. 교수님께 항상 감사드리며 존경을 표한다"고 감사 인사를 전했다.