AI/멀티스케일 CAE 기반 2차전지 전기화학-역학 연계 설계

AI-Driven Multiscale CAE for Electrochemical–Mechanical Coupled Secondary Battery Design

연구 내용

전기화학 반응과 전극 역학을 멀티스케일로 연계해 2차전지의 성능과 열화 요인을 예측·최적화하는 연구

전기화학 거동과 전극의 기계적 안정성을 동시에 반영하는 멀티스케일 멀티피직스 모델링을 기반으로 연구를 수행합니다. 밀도범함수이론 기반의 물성 정보를 확산 및 3D 입자 네트워크 모델과 결합하여, 농도 의존성 및 staging 전이를 포함한 전극 특성 변화를 해석합니다. 또한 상수 물성 가정을 배제하고 농도에 따른 확산계수와 탄성계수·전단계수 변화를 반영하여 예측 오차를 줄이는 방향으로 설계를 고도화합니다. 이를 통해 전극 팽창에 따른 열화 메커니즘을 구조적으로 해석하고 설계 파라미터 탐색을 지원합니다.

관련 프로젝트

3건

연구 흐름

초기에는 배터리 소재의 농도 의존 물성과 전기화학 지표 간 상관을 계산 기반으로 정리하고, 전극 네트워크에서의 확산·기계 응답을 연결하는 해석 틀을 확립했습니다. 이후 멀티스케일 모델에서 사용하는 물성 입력을 특정 농도에서만 고정하지 않고 staging 전이를 포함하도록 확장하여 예측 안정성을 높였습니다. 최근에는 물리정보신경망(PINN)과 같은 데이터 보강형 최적화 설계 시스템으로 발전시키고, 전기화학 성능과 기계 열화 저감 목표를 동시에 만족하는 설계 방향으로 적용 범위를 넓히고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

전극 팽창 저감 설계
전기화학 성능 예측
기계 열화 메커니즘 분석
농도 의존 물성 파라미터 추정
staging 전이 기반 모델 보정
안전성 중심 설계 평가
멀티스케일 설계 탐색 가속
수명 예측 고도화
재료-구조 연계 최적화
공정 조건-성능 매핑