다 써버린 배터리의 건강상태를 진단하고 재활용 여부를 쉽게 판단할 수 있는 기술이 개발됐다. 기기 종류에 제한받지 않고 진단 가능해 배터리 건전성 관리 분야에 큰 영향을 미칠 것으로 기대된다.

UNIST(총장 이용훈)는 에너지화학공학과 김동혁, 최윤석 교수 및 탄소중립대학원 임한권 교수팀은 컴퓨터가 독립적으로 훈련하는 딥러닝을 기반으로 배터리 부품의 건강 상태를 진단할 수 있는 시스템 DeepSUGAR를 개발했다고 8일 밝혔다.

학습을 통해 새로운 창작물을 만드는 생성형 인공지능 기술 ‘생성형 대립 신경망(GAN)’과 효과적으로 이미지 처리할 수 있는 ‘합성곱 신경망(CNN)’을 결합했다.

DeepSUGAR는 리튬 배터리를 충·방전 시킬 때 얻은 전압, 전류, 용량 데이터를 빛의 삼원색 값으로 변환해 이미지화한다. 이를 기반으로 딥러닝 모델을 활용해 배터리의 건강 상태를 예측한다. 모듈, 팩 등 배터리 구성에 상관없이 적용이 가능해 기존 배터리 진단 방법과 차별화된다.

김동혁 교수는 “충·방전 데이터를 이미지화하는 DeepSUGAR의 특징을 활용해 배터리를 분해하지 않고도 사용된 배터리의 재활용 여부를 판단할 수 있는 검증 시스템을 구축했다”고 설명했다. 

연구팀이 구축한 시스템은 생성형 AI를 이용해 배터리의 건강 상태를 바탕으로 배터리 부품인 모듈의 충·방전 데이터까지 뽑아낼 수 있다. 배터리를 분해하거나 실제 충·방전 테스트 없이도 내부 모듈의 재활용 여부를 판단할 수 있는 것이다.

제 1저자 박서정 에너지화학공학과 석박사통합과정연구원은 “개발된 시스템은 생성형 AI를 활용해 팩 충·방전 시험만으로도 각 내부 구성 모듈의 재사용 가능 여부를 확인할 수 있어 재활용 절차를 간소화 시킬 수 있었다”며 “기기 종류에 국한되지 않고 범용적으로 적용할 수 있어, 배터리 재활용 분야에 큰 기여를 할 수 있을 것으로 기대된다”고 설명했다. 

또한 공동 제1저자인 임동준 에너지화학공학과 석박사통합과정연구원은 “배터리 재활용 분야뿐 아니라 실생활에서도 배터리 팩 진단을 통해 내부 모듈의 건강 상태를 예측할 수 있다”며 “성능이 저하된 모듈만 교체할 수 있어 향후 다양한 분야에서 그린에너지를 실현에 도움이 될 것으로 기대된다”고 전했다.

이번 연구는 UNIST 탄소중립실증화센터, 과학기술정보통신부의 바이오·의료기술개발사업, 산업통상자원부의 재원으로 한국산업기술평가관리원의 지원을 받아 수행됐다. 국제학술지 ’재료화학 A (Journal of Materials Chemistry A)’에 10월17일 온라인 게재됐고, 11월호 표지논문(Back Cover)으로 선정됐다.