Investigation of Ion Conduction Mechanisms and Structural Correlations in Amorphous NaTaOCl Solid Electrolytes Using Machine Learning Potentials
이공학학술연구기반구축(R&D) · 석사과정생연구장려금지원
2026년
2340065940
교육부
한국연구재단
서강대학교
김세중
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2027.08.31
1,200만원
1,200만원
기초연구
대학
서울특별시 마포구
화학 > 융합화학 > 계산화학
[기계학습 포텐셜 기반 대규모 분자 동역학 시뮬레이션을 통한 비정질 NTOC 고체 전해질의 이온 전도 메커니즘 규명 및 차세대 전해질 역설계 지침 도출]차세대 전고체 배터리의 핵심 소재로 주목받는 할로겐화물계 비정질 Na-Ta-O-Cl (NTOC) 고체 전해질은 상온에서 우수한 이온 전도도(4.62 mS/cm)와 뛰어난 기계적 변형성을 지니고 있습니다. 최...
... 1: 기계학습 퍼텐셜(MLP) 검증 및 최적화]비정질 고체 전해질 모사에 특화된 최신 범용 MLP 모델(UMA, SevenNet, MatterSim 등)을 다각도로 테스트하여 실험 데이터와 가장 잘 부합하는 초기 모델을 선정합니다. 생성된 구조의 방사형 분포 함수(RDF), 각도 분포 함수, 배위수를 실제 실험값과 교차 검증합니다. 시뮬레이션 중 국소 구조 예측의 불확실성이나 ...
... 즉, 최소한의 도핑만으로 최대의 이온 전도도를 이끌어내는 최적의 원소 조성 비율을 물리화학적 데이터에 기반하여 '역설계(Reverse Engineering)'할 수 있습니다. 이는 NTOC를 ... 바탕으로 박사 과정에 진학하여, 본 시뮬레이션 파이프라인을 더욱 고도화하고 다양한 소재군의 거대 빅데이터를 구축할 계획입니다. 장기적으로는 양자 계산, 대규모 분자동역학, 인공지능을 융합한 '데이터 ...