미국 뉴저지공과대학교(NJIT) 연구진이 인공지능(AI)을 활용해 리튬이온 배터리를 대체할 수 있는 차세대 에너지 저장 소재 탐색에 성공했다. 전통적인 실험 방식으로는 불가능했던 수천 개의 결정 구조를 AI가 빠르게 탐색하면서, 고용량 차세대 전지 개발에 실마리를 제공했다는 평가다.

이번 연구는 NJIT 기계·산업공학과 디바카르 다타(Dibakar Datta) 교수가 이끄는 연구팀에 의해 수행됐으며, 국제 학술지 '셀 리포트 물리과학(Cell Reports Physical Science)'에 최근 게재됐다.

7월 31일 NJIT에 따르면 다타 교수팀은 '생성형 AI(Generative AI)'를 도입해 다가이온(multivalent-ion) 배터리용 다공성 전이금속산화물 소재를 신속히 발굴했다. 다가이온 배터리는 기존 리튬이온 배터리와 달리 이온당 2~3개의 양전하를 지닌 마그네슘, 칼슘, 알루미늄, 아연 등 풍부한 원소를 활용한다. 이론상 동일한 공간에 더 많은 전하를 저장할 수 있어 에너지 밀도 측면에서 높은 잠재력을 지닌다.

다만, 이들 이온의 전하량과 크기가 커 소재 내부에서의 이동이 어려운 점이 상용화의 큰 장벽으로 작용해왔다. 연구은 이 문제를 해결하기 위해 새로운 AI 기반 탐색 프레임워크를 제안했다.

연구팀은 결정 확산 변분 오토인코더(Crystal Diffusion Variational Autoencoder, CDVAE)와 대형 언어모델(LLM)을 조합한 이중 AI 기법을 개발했다. CDVAE는 대규모 결정 구조 데이터셋을 학습해, 기존에 존재하지 않던 구조를 생성해냈으며, LLM은 열역학적으로 안정한 구조 후보를 정밀하게 선별하는 역할을 수행했다.

이 같은 AI 모델을 활용해 연구진은 수천 개의 새로운 다공성 결정 구조를 탐색했고, 이 중 다가이온 배터리용으로 적합한 5종의 새로운 전이금속산화물 구조를 도출했다. 해당 물질들은 이온 확산에 유리한 넓고 균일한 채널을 갖추고 있어, 고용량 저장과 안정성 확보 측면에서 유리한 것으로 나타났다.

연구팀은 이 구조들의 물리적 특성을 양자역학 기반 시뮬레이션을 통해 검증했으며, 실험적 합성 가능성도 확인했다.

다타 교수는 "문제는 유망한 전지 화학의 부재가 아니라, 수백만 개에 달하는 조합을 실험실에서 모두 검증하는 것이 현실적으로 불가능하다는 점이었다"며, "AI는 이 방대한 재료의 조합을 체계적으로 탐색하고 선별하는 데 가장 효율적인 수단"이라고 설명했다.

그는 이어 "이번 연구는 단순히 새로운 배터리 재료를 찾는 데 그치지 않고, 첨단 전자소자부터 청정에너지 소재까지 폭넓은 응용 분야에 걸쳐 고속 탐색 프레임워크를 제시했다는 데 의의가 있다"고 덧붙였다.

연구진은 향후 실험실 기반 공동 연구를 통해 AI 기반으로 설계한 소재의 실제 합성과 상용화 가능성 검증에 착수할 계획이다. 이번 연구는 AI 기반 재료 과학이 전통적인 실험 중심 연구방식을 보완하거나 대체할 수 있다는 점에서, 차세대 에너지 산업의 전환점을 이끌 수 있을지 주목된다.