Deep-learning denoising and microstructure-property correlation for lithium battery cathode degradation analysis using electron microscopy
연구 내용
주사투과전자현미경 영상의 노이즈 제거를 딥러닝으로 수행하고, 에너지·환경 소재의 미세구조 변화와 물성을 상관 분석하는 연구
본 연구는 실시간 투과전자현미경 및 주사투과전자현미경에서 관측되는 미세구조 변화를 기반으로 열화 반응과 물성 변화를 연결하는 분석 체계를 구축합니다. 딥 러닝 기반 영상 처리로 노이즈를 제거하고, 시뮬레이션 기반으로 정상 노이즈 범위를 판단하는 방식으로 정량 관측의 신뢰도를 높입니다. 동시에 이차전지 양극 소재에 대해 리튬 과잉 리튬 망간계 산화물의 고전압 구동 시 부반응과 전이 금속 용출을 억제하거나 완화하는 소재 설계를 다룹니다. 결과적으로 전자현미경 관측 프로토콜과 소재 설계 관점을 결합해 양극 열화 메커니즘을 검증하는 방향으로 진행합니다.
관련 연구 성과
관련 논문
0편
관련 특허
2건
관련 프로젝트
2건
연구 흐름
2021~2023년에는 에너지·환경 소재의 미세구조와 물성의 상관관계 규명을 위한 新측정·분석기술 개발 과제를 수행하며, 실시간 TEM/STEM 관측과 초고분해능 프로토콜을 확보하는 데 집중했습니다. 2022년에는 주사투과전자현미경 영상 처리에서 딥 러닝 기반 노이즈 제거 방법으로 관측 데이터의 품질을 개선하는 방향이 특허로 구체화되었습니다. 이후 2022~2023년에는 리튬 망간계 산화물 기반 양극 활물질에서 고전압 구동 시 부반응과 전이 금속 용출을 억제해 수명 열화를 완화하는 소재 설계가 이어졌습니다. 이 흐름을 통해 전자현미경 데이터 처리와 양극 열화 억제 전략을 한 연구 축으로 정리했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 특허
구분
제목
생성적 대립 신경망(GAN, Generative Adversarial Network)을 활용한 주사투과전자현미경 영상에서의 노이즈 제거 방법
양극 활물질 및 이를 포함하는 리튬 이차전지
관련 프로젝트
구분
제목
에너지·환경 소재의 미세구조와 물성의 상관관계 규명을 위한 新측정·분석기술 개발
에너지·환경 소재의 미세구조와 물성의 상관관계 규명을 위한 新측정·분석기술 개발