Synthesizability-Driven High-Throughput Screening and Machine Learning Potential Based Precision Design of Cathode-Coating Interfaces in Sodium-Ion Batteries
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구B)
2026년
2710113010
과학기술정보통신부
한국연구재단
국립창원대학교
김수환
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2030.08.31
6,354만원
6,354만원
기초연구
대학
경상남도 창원시
화공 > 화학공정 > 기초무기소재 공정기술
본 과제의 최종 목표는 합성가능성 기반 초고속 스크리닝과 나트륨이온전지(Sodium-Ion Battery, SIB) 특화 머신러닝 포텐셜(Machine Learning Potential, MLP)을 유기적으로 결합하여, 상용 양극재인 NaNi₁/₃Fe₁/₃Mn₁/₃O₂(이하 NFM) 코팅재 이종 계면을 원자 수준에서 정밀 설계할 수 있는 통합 계산 플랫폼을...
... under-sampled 구조 공간을 선별 보강한 DB로 재학습함으로써 계면 force MAE를 base 모델 대비 1/3 이하로 축소함. NFM(104)/coating(low-index) 슬랩 시스템에 대해 계면 결합 에너지, Na 확산 장벽(NEB), 장시간 MD 구조 안정성을 정량 평가하여 최종 3종 코팅재를 선별하고, 한국전기연구원(KERI) 또는 학과 공동연구진과의 합성·half-cell ...
... 평가 + rxn-ca & SCS + SIB 특화 MLP 방법론은 임의의 양극재-코팅재 조합에 그대로 적용 가능한 표준 자원으로 발전시키고자 함.[기대효과] (과학기술적 측면) SIB 시스템에 특화된 MLP를 처음으로 공개함으로써 차세대 이차전지 분야 머신러닝 포텐셜 연구에 새로운 기준점을 제시하며, SCS 지표는 hull-only 평가의 false positive 문제를 ...