전해질 후보물질 발굴 필수 아이템

차세대 전해질 후보물질 발굴 필수 아이템

차세대 전해질(액체, 고체, 폴리머 등) 후보물질을 효율적으로 발굴하고 스크리닝하기 위해 검토해야 할 핵심 성능 지표, 계면 특성, 그리고 데이터·인프라 아이템입니다.

1. 핵심 전기화학적 및 물리화학적 성능 지표 (Screening Criteria)

• 이온 전도도 (Ionic Conductivity): 상온 및 가혹 조건에서 리튬 이온이 얼마나 빠르게 이동하는지 평가. (고체 전해질 기준 상온에서 최소 10^-4 S/cm 이상 목표)
• 전기화학적 안정성 전위창 (Stability Window): 고전압 양극(4.5V 이상)과 리튬 금속 음극 사이에서 산화·환원 분해 없이 버틸 수 있는 전위 범위.
• 리튬 이온 전이수 (Transference Number, t_Li+): 음이온이 아닌 리튬 이온 자체가 전하 전달에 기여하는 비율 (1에 가까울수록 분극 감소 및 고출력에 유리).
• 열적·화학적 안정성: 고온 작동 시의 열분해 온도, 인화점, 휘발성, 그리고 수분과의 반응성(H₂S 발생 등 독성 부산물 여부).

2. 계면 안정성 및 상용성 (Interfacial Compatibility)

• 전극-전해질 계면 저항: 충·방전 과정에서 전극과 전해질 간의 부반응(Side Reaction)으로 인한 저항 증가 억제 여부.
• 리튬 덴드라이트 억제 (Mechanical Suppression): 리튬 금속 음극 적용 시, 높은 영률(Young's Modulus)과 전단 탄성률을 통해 덴드라이트의 물리적 관전을 막는 능력.
• 보호막(SEI/CEI) 형성 특성: 전해질이 전극 표면에서 안정적인 고체 전해질상(SEI 또는 CEI)을 형성하여 추가 분해를 막는지 여부.

3. 소재 데이터베이스 및 인프라 (Data & Informatics)

• 열역학적 안정성 데이터 (Hull Energy): Materials Project, ICSD, OQMD 등의 데이터베이스와 연동하여 해당 물질이 실제로 합성 가능한 안정상(Ground State)에 존재하는지 판별.
• 머신러닝 인터아토믹 포텐셜 (MLIP): M3GNet, CHGNet, NequIP 등 최신 MLIP를 활용해 DFT(제일원리 계산) 수준의 정확도로 대규모 구조 최적화 및 분자 동역학(MD) 시뮬레이션 수행.
• 고속 스크리닝 디스크립터 (High-Throughput Descriptors): 이온 반경, 전기음성도, 배위수(Coordination Number), 격자 자유 volume 등 전도도와 안정성을 빠르게 예측할 수 있는 물리·화학적 피처 정의.

4. 공정 적합성 및 경제성 (Processability & Cost)

• 합성 및 제조 공정성: 원료 물질의 독성, 합성 온도의 적절성(고체 전해질 소결 온도 등), 대량 생산 시 공정 난이도.
• 기계적 가공성: 전지 제조 공정(슬러리 코팅, 롤투롤, 펠릿 압착 등)에서 요구되는 유연성, 강도, 접착력 확보 여부.
• 원가 경쟁력: 고순도 원료 수급의 용이성과 상용화 가능 경제성.

추천 심화 탐색 (Follow-up)

머신러닝 기반 MLIP와 액티브 러닝을 활용한 엔드투엔드 전해질 스크리닝 워크플로우(디스크립터 생성 및 물성 예측 포함) 구성안이 필요하신가요?