AI가 Microsoft, IBM에서 배터리 혁신을 주도하다

2023년 Microsoft 연구원이 충전식 배터리에 필요한 리튬 양을 획기적으로 줄일 수 있는 새로운 종류의 재료를 식별했을 때 기록적인 시간 내에 건초 더미를 뒤지는 것과 같은 느낌을 받았습니다. 그들의 발견은 3200만 가지 가능성에서 시작됐고, 인공지능의 도움으로 80시간 만에 유망한 후보를 만들어냈기 때문이다.

이제 Pacific Northwest National Laboratory의 연구원들은 새로운 물질인 Na를 합성하고 테스트할 계획입니다.엑스리3−xYCL6배터리 설정에서. 이는 현실 세계로 진출하는 여러 AI 생성 배터리 화학 물질 중 하나입니다.

마이크로소프트의 실험은 연구자들이 AI가 유용한 신소재와 화학 물질을 찾는 건초 더미 속의 바늘 문제를 어떻게 해결할 수 있는지 보여주고자 시작되었습니다. 그들은 더 나은 전해질이 배터리를 더 안전하게 만들면서 동시에 성능을 향상시킬 수 있기 때문에 재충전 가능한 배터리 전해질에 대한 새로운 후보를 찾기로 결정했다고 말합니다. 네이선 베이커Microsoft의 프로젝트 리더 Azure 양자 요소Microsoft의 고급 컴퓨팅 및 AI 플랫폼을 통해 화학 및 재료 연구를 가속화하는 프로그램입니다.

Baker는 “우리의 목표는 이러한 AI 모델 중 하나를 선택하여 과학적 발견을 가속화할 수 있는 가능성을 보여주는 것이었습니다. 즉, 3,250만 개의 재료 후보를 선별하고 이를 몇 년이 아닌 몇 시간 만에 수행할 수 있음을 보여주는 것”이라고 말했습니다. M3GNet 프레임워크라고 불리는 그들의 모델은 원자 확산성과 같은 물질의 특성을 평가하기 위해 분자 역학 시뮬레이션을 가속화했습니다.

먼저 마이크로소프트 연구진은 모델에 새로운 화학 원소를 자연의 알려진 결정 구조에 떨어뜨리고 어떤 결과 분자가 안정적일지 결정하도록 요청했는데, 이를 통해 3,200만 개의 시작 후보가 50만 개로 줄었습니다. 그런 다음 AI는 배터리 작동에 필요한 화학적 능력을 기반으로 이러한 재료를 선별하여 풀을 800개로 줄였습니다. 거기에서 전통적인 컴퓨팅과 구식 인간 전문 지식을 통해 배터리 내에서 기능할 수 있고 오늘날 상업용으로 사용되는 충전식 배터리보다 70% 더 적은 리튬을 사용할 수 있는 새로운 재료를 식별했습니다.

차세대 배터리 설계에서 AI의 역할

Microsoft 팀은 혼자가 아닙니다. 전 세계적으로 연구자들은 희귀하고 값비싸며 획득하기 어려운 원소를 대량으로 사용하는 리튬이온 배터리를 대체하거나 개선하기 위한 차세대 설계를 개발하기 위해 바쁘게 노력하고 있습니다. 새로운 배터리 설계는 더 풍부한 재료를 사용하고, 리튬 기반 액체 전해질로 인한 화재 위험을 줄이고, 더 작은 공간에 더 많은 에너지를 담을 수 있습니다. 이를 수행하는 화학 물질은 발견되기를 기다리고 있으며, 점점 더 많은 연구자들이 AI와 기계 학습을 활용하여 산더미 같은 데이터를 분류하는 작업을 수행하고 있습니다.

뉴저지 공과대학 부교수 Dibakar Datta는 “우리는 AI에게 재료 과학자가 되는 방법을 가르치고 있습니다.”라고 말합니다. 그는 지난 8월 AI를 사용하여 리튬 이온보다 성능이 뛰어난 배터리 후보 물질 5가지를 식별한 연구를 발표했습니다. Datta 팀은 다가 배터리를 연구하고 있습니다. 리튬 배터리가 단일 충전을 수행하는 것과 달리 여러 충전 수준을 수행할 수 있는 다가 이온을 사용하는 배터리입니다.

이는 배터리에 더 큰 에너지 저장 용량을 제공할 뿐만 아니라 마그네슘 및 칼슘과 같이 주기율표에서 더 높은 원소의 더 큰 이온을 사용하여 작업한다는 의미이기도 합니다. 이러한 더 큰 이온은 요소를 깨뜨리거나 파손하지 않고 기존 배터리 설계에 꼭 들어맞을 필요는 없다고 Datta는 말합니다. 그의 새로운 연구에서는 새로운 물질을 제안할 수 있는 CDVAE(Crystal Diffusion Variational Autoencoder)와 현실 세계에서 가장 안정적인 물질을 찾을 수 있는 대규모 언어 모델을 사용했습니다. 수백만 가지 가능성 중에서 해당 작업을 수행할 수 있는 적절한 크기의 다공성 물질 5개를 찾아냈습니다.

거의 무한한 재료 공간을 탐색하는 AI 모델을 안내하는 것이 이 분야의 전환점입니다. AI가 새로운 배터리 소재를 발견하는 데 도움이 되는 알고리즘을 개발한 스탠포드 대학의 오스틴 센덱(Austin Sendek) 교수는 이를 연구 파트너로 활용하는 핵심은 빠르게 작동하는 모델과 완벽하게 정확한 결과를 제공하는 모델 사이의 행복한 매개체를 찾는 것이라고 말합니다.

Sendek은 “넓이와 깊이를 모두 탐색해야 합니다.”라고 말합니다. 깊이, 이러한 것들을 설계하려면 특성, 공학, 화학 및 폭에 대한 많은 심오한 과학적 지식이 필요하기 때문에 무한한 화학적 공간에 걸쳐 해당 지식을 적용해야 하기 때문이라고 그는 말합니다. “여기서 AI의 약속이 등장합니다.”

IBM에서 AI 배터리 기술 검색

IBM 연구원들은 현재 배터리에 사용되는 리튬염보다 이온 전도도가 훨씬 높은 화학 제제를 식별하는 새로운 전해질 후보를 식별하기 위해 AI 기반 접근 방식을 취했습니다. 일반적인 전해질에는 염, 용매, 첨가제를 포함해 6~8가지 성분이 포함될 수 있으며, AI 없이 모든 조합을 고려하는 것은 거의 불가능합니다.

이 분야를 축소하기 위해 IBM 팀은 수십억 개의 분자에 대해 훈련된 화학 기반 모델을 개발했습니다. IBM Research의 수석 연구원인 나영혜는 “그들은 화학의 기본 언어를 포착합니다.”라고 말합니다. 그런 다음 그녀의 팀은 배터리 관련 데이터로 해당 모델을 훈련하므로 AI는 개별 분자부터 전체 장치에 이르기까지 규모에 따라 배터리 애플리케이션의 중요한 특성을 예측할 수 있습니다. 나씨는 지난 8월 발표된 논문에서 이 작업을 설명했다. NPJ 전산재료.

이 작업은 AI를 사용하여 이국적인 신소재를 발명하는 것이 아니라 기존 소재의 새로운 조합을 조사하기 때문에 내일의 배터리를 구축하는 데 도움이 될 가능성이 훨씬 더 유망하다고 Na는 말합니다. IBM 팀은 현재 비공개 EV 제조업체와 협력하여 고전압 배터리용 고성능 전해질을 설계하고 있습니다.

IBM이 배터리에 AI를 사용하는 것은 유망한 재료를 찾는 데만 국한되지 않습니다. 일반적으로 AI가 유망한 신물질을 공개하면 다음 단계는 실험자들이 해당 물질을 합성하고 실험실에서 실험한 후 실제 장치에서 테스트하는 것입니다. 머신러닝(ML)은 연구원들이 이 테스트 단계에서도 도움을 줄 것입니다.

IBM은 디지털 트윈(디지털 트윈)을 구축하여 새로운 배터리 설정의 실제 실행 가능성을 테스트하고 있습니다. 이는 연구원들이 셀 수 없이 많은 전력 주기 동안 특정 배터리 화학 물질이 어떻게 저하되는지 예측할 수 있는 가상 모델입니다. IBM Research의 저명한 연구원인 Teodoro Laino는 배터리 스타트업 Sphere Energy와 공동으로 개발한 이 모델은 디지털 트윈을 모델로 한 단 50회의 전원 주기만으로 배터리의 장기적인 동작을 예측할 수 있다고 말합니다.

양자 컴퓨팅 배터리

AI 배터리 연구의 다음 단계는 양자다. Microsoft와 IBM이 양자 컴퓨터의 잠재력을 향해 나아가면서 둘 다 지름길이나 타협 없이 복잡한 화학을 모델링할 수 있는 가능성을 보고 있습니다. Na는 현재 AI가 배터리 화학을 조사하는 데 중요한 도구이지만 다음 단계(예: 전체 EV 배터리 팩 모델링, 실제 세계에서 직면하는 모든 변수 고려)에는 양자 컴퓨팅의 성능이 필요하다고 말합니다.

Baker는 다음과 같이 설명합니다. “우리는 기존 컴퓨터가 복잡한 물질, 복잡한 분자, 복잡한 재료에 대한 정확한 답변을 생성하는 데 문제가 있다는 것을 알고 있습니다. 따라서 현재 우리의 목표는 실제로 양자를 루프에 도입하여 데이터 생성 방식을 변경하여 ML 모델 교육을 위한 더 높은 정확도의 데이터를 확보하는 것입니다.”

이 문서는 2025년 10월 2일에 업데이트되었습니다.