Elucidation of Precursor-Process-Performance Determinants in LMR Cathodes Using Explainable Multimodal AI
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구A)
2026년
2710114860
과학기술정보통신부
한국연구재단
국립순천대학교산학협력단
최근호
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2029.08.31
4,442만원
4,442만원
기초연구
대학
전라남도 순천시
전기/전자 > 전지 > 전지재료
... 상관관계를 규명하고, 이를 기반으로 성능 결정 미세구조 인자를 도출하는 것이다. 이를 위해 전구체 및 양극재의 표면·단면 이미지정보, 공정 조건, 구조·물성 분석값, 전기화학 성능 데이터를 통합한 멀티모달 데이터베이스를 구축하고, 설명가능 AI 기반 예측모델을 개발한다. 최종적으로 AI 예측 결과를 단순한 성능 예측에 머무르지 않고, 용량, 초기 효율, 수명 특성에 영향을 ...
... 구분하여 활용한다. 여기에 Li/TM 비, 열처리 온도·시간, 승온 속도 등 합성 조건과 입도, 밀도, 조성, 공극률 등의 정량 인자를 결합하여 전구체 정보-합성 조건-양극재 성능을 연결하는 데이터 구조를 구축한다. 이후 표면 이미지, 단면 이미지, 공정 조건 및 정량 인자를 통합한 설명 가능한 멀티모달 AI 모델을 개발하여 초기 방전 용량, 초기 쿨롱 효율, 사이클 특성 및 율속 ...
... 특성을 고려한 합성 공정 최적화에 활용될 수 있다. 또한 구축된 표면·단면 영상 기반 멀티모달 데이터베이스와 AI 분석 체계는 LMR뿐 아니라 Ni-rich, Na-ion 전극 소재 등 다양한 ... 소재 연구로 확장 가능하다. 이를 통해 차세대 이차전지 소재의 개발 효율을 높이고, 소재 합성-미세구조-성능 간 인과적 이해를 강화하는 연구 플랫폼을 구축할 수 있을 것으로 기대된다.