[인더스트리뉴스 이건오 기자] 사용후 배터리의 상태를 진단하고 재활용 여부를 쉽게 판단할 수 있는 기술이 국내 연구진에 의해 개발됐다. 기기 종류에 상관 없이 진단이 가능해 배터리 건전성 관리 분야에 큰 영향을 미칠 것으로 기대된다.

윗줄 왼쪽 원형부터 임한권 교수, 김동혁 교수, 최윤석 교수, 아랫줄 왼쪽부터 정다운 연구원, 제1저자 박서정 연구원, 제1저자 임동준 연구원 [자료=UNIST]

UNIST는 에너지화학공학과 김동혁, 최윤석 교수 및 탄소중립대학원 임한권 교수팀은 컴퓨터가 독립적으로 훈련하는 딥러닝을 기반으로 배터리 부품의 건강상태를 진단할 수 있는 시스템 ‘DeepSUGAR’를 개발했다고 밝혔다.

학습을 통해 새로운 창작물을 만드는 생성형 인공지능 기술 ‘생성형 대립 신경망(GAN)’과 효과적으로 이미지 처리할 수 있는 ‘합성곱 신경망(CNN)’을 결합했다.

DeepSUGAR는 리튬 배터리를 충·방전 시킬 때 얻은 전압, 전류, 용량 데이터를 빛의 삼원색 값으로 변환해 이미지화한다. 이를 기반으로 딥러닝 모델을 활용해 배터리의 건강상태를 예측한다. 모듈, 팩 등 배터리 구성에 상관없이 적용 가능해 기존 배터리 진단 방법과 차별화된다.

원스톱 배터리 재사용성 검증 기술 [자료=UNIST]

김동혁 교수는 “충·방전 데이터를 이미지화하는 DeepSUGAR의 특징을 활용해 배터리를 분해하지 않고도 사용된 배터리의 재활용 여부를 판단할 수 있는 검증 시스템을 구축했다”고 설명했다.

연구팀에 따르면, 이번에 구축한 시스템은 생성형 AI를 이용해 배터리의 건강상태를 바탕으로 배터리 부품인 모듈의 충·방전 데이터까지 뽑아낼 수 있다. 배터리를 분해하거나 실제 충·방전 테스트 없이도 내부 모듈의 재활용 여부를 판단할 수 있는 것이다.

딥러닝 알고리즘 학습 데이터 생성을 위한 실험 셋업 [자료=UNIST]

제1저자 박서정 에너지화학공학과 석박사통합과정연구원은 “개발된 시스템은 생성형 AI를 활용해 팩 충·방전 시험만으로도 각 내부 구성 모듈의 재사용 가능 여부를 확인할 수 있어 재활용 절차를 간소화 시킬 수 있었다”며, “기기 종류에 국한되지 않고 범용적으로 적용할 수 있어 배터리 재활용 분야에 큰 기여를 할 수 있을 것으로 기대된다”고 설명했다.

또한, 공동 제1저자인 임동준 에너지화학공학과 석박사통합과정연구원은 “배터리 재활용 분야뿐 아니라 실생활에서도 배터리 팩 진단을 통해 내부 모듈의 건강상태를 예측할 수 있다”며, “성능이 저하된 모듈만 교체할 수 있어 향후 다양한 분야에서 그린에너지를 실현에 도움이 될 것으로 기대된다”고 전했다.

한편, 이번 연구는 UNIST 탄소중립실증화센터, 과학기술정보통신부의 바이오·의료기술개발사업, 산업부의 재원으로 산기평 지원을 받아 수행됐다. 국제학술지 ‘재료화학 A(Journal of Materials Chemistry A)’에 10월 17일 온라인 게재됐고, 11월호 표지논문으로 선정됐다.

[이건오 기자 (news@industrynews.co.kr)]

[저작권자 © 솔라투데이, 무단 전재 및 재배포 금지]