MLIP 기반 전해질 가스 발생 예측 가능성

전해질의 가스 발생량을 MLIP로 예측할 수 있는가?

결론:
❌ MLIP만으로 전해질의 가스 발생량을 직접 예측하는 것은 어렵다.
⭕ 그러나 반응을 학습한 MLIP와 반응속도 모델을 결합하면 간접적으로 예측이 가능하다.

1. 가스 발생이란 무엇인가?

전해질 가스(CO₂, CO, H₂, C₂H₄ 등)는 다음과 같은 반응에서 생성된다.

• 전해질 분해 반응
• SEI 형성 반응
• 고전압 산화 반응
• 수분 및 불순물 반응

이는 결합이 끊어지고 새로 생성되는 화학 반응 문제이다.

2. 일반적인 MLIP의 한계

일반 MLIP는 다음을 예측한다.

• 입력: 원자 구조
• 출력: 에너지, 힘

하지만 대부분의 MLIP는 특정 결합 상태 근처만 학습하며, 결합이 끊어지고 생성되는 반응을 직접적으로 잘 다루지 못한다.

즉, MLIP 단독으로 “이 전해질이 분해되어 CO₂가 몇 분자 나온다”를 예측하는 것은 불가능하다.

3. 가능한 경우: Reactive MLIP + 반응모델

① 반응 가능한 MLIP

다음과 같은 모델은 반응 데이터를 학습할 수 있다.

• DeePMD
• NequIP
• MACE

DFT 기반 분해 반응 데이터를 학습시키면 결합 파괴 상황을 예측할 수 있다.

② 반응 경로 계산

MLIP로 다음을 계산할 수 있다.

• 분해 반응 장벽
• 중간체 에너지
• 생성물 안정성

예: EC → CO₂ + C₂H₄, LiPF₆ → PF₅ + HF

③ 속도론 모델과 결합

MLIP로 얻은 활성화 에너지(Ea)를 이용해 Arrhenius 식을 사용한다.

k = A · exp(-Ea / RT)

이를 이용해 시간당 생성되는 분자 수를 계산할 수 있다.

4. 전체 구조

원자 구조 → MLIP → 반응 경로 → 반응 속도 → 가스 생성량

5. 실제 연구에서 사용되는 방식

• DFT로 전해질 분해 반응 계산
• 그 데이터를 이용해 Reactive MLIP 학습
• MD로 분해 빈도 계산
• KMC로 가스 발생량 예측

6. MLIP만으로 불가능한 이유

가스 발생량은 다음에 의해 결정된다.

• 반응 확률
• 시간
• 부피
• 농도

MLIP는 힘과 에너지는 예측하지만, “반응이 몇 번 일어났는지”를 직접 계산하지는 않는다.

따라서 반드시 화학 반응 모델이 추가되어야 한다.

7. 요약

MLIP만으로 전해질 가스 발생량을 직접 예측할 수는 없지만,
반응을 학습한 MLIP와 반응속도 모델을 결합하면 예측이 가능하다.

MLIP에서 원자 간 힘이 중요한 이유

MLIP에서 원자들이 주고받는 힘이 물성 예측에 중요한 이유

1. 핵심 개념

모든 물성은 결국 원자들이 서로 주고받는 힘의 결과이다.

탄성, 열전도, 확산, 전도도, 수명 같은 거시적 물성은 원자 수준에서의 힘이 모여 나타나는 집단적 현상이다.

2. 물성은 힘에서 나온다

① 탄성계수 (딱딱함)

원자를 잡아당겼을 때 얼마나 강하게 되돌려 미는가는 원자 사이 힘의 크기로 결정된다.

② 열전도도

원자의 진동이 옆 원자로 얼마나 잘 전달되는지는 원자 사이 힘으로 연결된다.

③ 확산계수 (리튬 이동)

리튬 이온이 이동할 때 주변 원자들이 얼마나 방해하는지는 에너지 장벽과 힘의 분포에 의해 결정된다.

즉, 물성은 원자 간 힘이 만들어내는 집합적 결과이다.

3. MLIP는 무엇을 배우는가?

MLIP는 다음 관계를 학습한다.

• 입력: 원자 종류, 원자 좌표
• 출력: 각 원자에 작용하는 힘, 전체 에너지

즉, 특정 구조에서 각 원자가 어느 방향으로 얼마나 밀리고 당겨지는지를 배운다.

그래서 구조가 조금만 바뀌어도 힘이 어떻게 바뀌는지를 자연스럽게 예측할 수 있다.

4. ML 물성 예측과의 본질적 차이

ML 기반 물성 예측

• 입력: 조성, 특징량
• 출력: 물성값

결과를 직접 맞추지만 왜 그런 값이 나오는지는 알기 어렵다.

MLIP 기반 물성 계산

• 입력: 원자 구조
• 출력: 힘과 에너지

힘을 이용해 분자동역학(MD) 시뮬레이션을 수행하고 그 결과로 물성을 계산한다.

즉, 물성을 예측하는 것이 아니라 계산해낸다.

5. 배터리 예시

MLIP 사용

• 입력: 리튬 + 전극 원자 구조
• 출력: 원자 간 힘
• 활용: 리튬 이동 경로 계산
• 결과: 확산계수 → 수명 모델 입력

ML 물성 예측만 사용

• 입력: 조성, 온도
• 출력: 수명 1200 cycle

이 경우 왜 그런 수명이 나오는지는 설명하기 어렵다.

6. 진짜 중요한 이유

MLIP에서 힘이 중요한 이유는 미시적 원인(원자 힘)과 거시적 결과(물성)를 연결해주기 때문이다.

힘은 원인이고, 물성은 결과이다.

7. 한 줄 요약

MLIP에서 원자들이 주고받는 힘이 중요한 이유는, 모든 물성이 그 힘의 집합적 결과이기 때문이다.

MLIP와 ML 기반 물성 예측의 차이점(입력·예측방법·출력 파라미터 포함)

MLIP와 ML 기반 물성 예측 비교

1. MLIP (Machine Learning Interatomic Potential)

① 입력 (Input)

• 원자 종류: Li, C, O, Ni, Co 등
• 각 원자의 위치 좌표 (x, y, z)
• 이웃 원자와의 거리
• 각도 정보
• 구조 기술자(descriptor): SOAP, ACSF, Graph 표현 등

입력은 결정 구조 또는 분자 구조와 같은 원자 수준 정보이다.

② 예측 방법 (Prediction Method)

학습 데이터:

• DFT 계산 결과
• 총 에너지(E)
• 원자별 힘(F)
• 응력(stress)

신경망, Gaussian Process, Graph Neural Network 등을 사용하여 구조 → 에너지 함수를 학습한다.

③ 출력 (Output)

• 총 에너지 E
• 각 원자에 작용하는 힘 (Fx, Fy, Fz)
• 응력 텐서

④ 목적

DFT처럼 정확하지만 매우 빠른 계산이 가능한 퍼텐셜을 만들어 분자동역학(MD) 시뮬레이션에 사용하는 것이 목적이다.

2. ML 기반 물성 예측 (Property Prediction)

① 입력 (Input)

• 화학 조성: LiFePO4, NMC811
• 평균 원자 질량
• 평균 전기음성도
• 격자 상수
• 공극률, 입자 크기
• 운전 조건: 온도, SOC, C-rate

입력은 재료나 시스템을 요약한 특징량이다.

② 예측 방법 (Prediction Method)

학습 데이터:

• 실험 데이터
• DFT로 계산한 물성
• 시뮬레이션 결과

Random Forest, XGBoost, Neural Network, Transformer 등을 사용하여 입력 → 물성값 관계를 학습한다.

③ 출력 (Output)

• 탄성계수 (GPa)
• 이온 전도도 (S/cm)
• 열전도도
• 확산계수
• 배터리 수명 (cycle)
• 용량 감소율
• 내부저항 증가율

④ 목적

재료 또는 시스템의 성능을 빠르게 예측하는 것이 목적이다.

3. 차이점 요약

구분	MLIP	ML 기반 물성 예측
입력	원자 좌표, 원자종	조성, 특징량, 운전조건
물리 의미	원자 간 상호작용	거시적 성능
학습 대상	에너지, 힘	물성값
출력	힘, 에너지	전도도, 수명, 탄성계수
사용 목적	MD 시뮬레이션	빠른 성능 예측
스케일	원자 수준	재료/셀 수준

4. 배터리 예시

MLIP 방식

• 입력: 리튬 + 흑연 원자 좌표
• 출력: 확산 경로, 에너지 장벽
• 활용: 확산계수 계산 → 수명 모델 입력

ML 물성 예측 방식

• 입력: NMC811, 입자 크기, 충전 속도, 온도
• 출력: 예상 수명(1200 cycle), 용량 유지율(85%)

5. 한 줄 요약

MLIP는 원자들이 서로 어떻게 힘을 주고받는지를 예측하는 모델이고, ML 기반 물성 예측은 그 결과로 나타나는 성능 숫자를 예측하는 모델이다.

버틀러-볼머 + SEI 성장식으로 배터리 수명 예측

1. 핵심 아이디어

배터리는 사용하면서 전극 표면에 SEI(고체전해질막)가 점점 두꺼워진다. SEI가 두꺼워질수록 리튬이 잘 못 움직여 용량이 줄어든다.

SEI는 화학 반응으로 만들어지며, 이 반응 속도는 버틀러-볼머 방정식으로 계산할 수 있다.

2. 단순화한 버틀러-볼머 식 (열화 반응)

j = j₀ × exp(η)

j : SEI를 만드는 반응 속도
j₀ : 기본 열화 성향
η : 과전압(무리한 사용 정도)

3. SEI 성장식 (두께 증가)

SEI 두께 L은 반응 속도에 비례하여 증가한다고 단순화한다.

dL/dt = k × j

L : SEI 두께
k : 비례 상수

4. 가정한 값

• j₀ = 0.001
• k = 10
• 정상 사용: η = 1
• 무리한 사용(급속충전, 고온): η = 2

5. 열화 반응 속도 계산

정상 사용

j = 0.001 × e¹ ≈ 0.0027

무리한 사용

j = 0.001 × e² ≈ 0.0074

무리하게 사용하면 SEI 생성 속도가 약 3배 빨라진다.

6. SEI 두께 증가 속도

정상 사용

dL/dt = 10 × 0.0027 ≈ 0.027 (하루당)

무리한 사용

dL/dt = 10 × 0.0074 ≈ 0.074 (하루당)

7. 수명으로 변환

SEI 두께가 1만큼 증가하면 배터리 용량이 1% 감소한다고 가정한다.

정상 사용

1% 감소 시간 = 1 ÷ 0.027 ≈ 37일

무리한 사용

1% 감소 시간 = 1 ÷ 0.074 ≈ 13.5일

8. 전체 수명 예측 (80% 기준)

배터리는 용량이 80%가 되면 수명이 끝난다고 본다. (20% 감소)

정상 사용

37일 × 20 ≈ 740일 ≈ 약 2년

무리한 사용

13.5일 × 20 ≈ 270일 ≈ 약 9개월

9. 의미

과전압(급속충전, 고온 운전)이 커질수록 버틀러-볼머 방정식에 의해 SEI 생성 속도가 급격히 증가한다.

SEI 성장식은 이 반응이 시간에 따라 누적되어 배터리 수명이 줄어드는 것을 수식으로 보여준다.

10. 한 줄 요약

버틀러-볼머 방정식으로 SEI 생성 속도를 계산하고, SEI 성장식을 통해 이를 누적하면 배터리 수명을 예측할 수 있다.

버틀러-볼머 방정식으로 배터리 수명 예측

버틀러-볼머 방정식으로 배터리 수명 예측하기

1. 기본 개념

배터리는 사용하면서 원하지 않는 화학 반응(열화 반응)이 일어난다. 이 반응 속도는 전극 반응이므로 버틀러-볼머 방정식으로 계산할 수 있다.

열화 반응이 시간에 따라 누적되면 배터리 용량이 감소하고, 일정 수준(보통 80%)에 도달하면 수명이 끝난다.

2. 단순화한 버틀러-볼머 식

j = j₀ × exp(η)

j : 열화 반응 속도
j₀ : 기본 열화 성향
η : 과전압(무리한 사용 정도)

3. 가정한 값

• j₀ = 0.001 (기본 열화 반응 성향)
• 정상 사용: η = 1
• 무리한 사용(급속충전, 고온): η = 2

4. 열화 반응 속도 계산

정상 사용

j = 0.001 × e¹ ≈ 0.001 × 2.7 ≈ 0.0027

무리한 사용

j = 0.001 × e² ≈ 0.001 × 7.4 ≈ 0.0074

무리하게 사용하면 열화 속도가 약 3배 빨라진다.

5. 열화량을 수명으로 변환

가정: 열화량이 1 쌓이면 배터리 용량이 1% 감소한다고 하자.

정상 사용

1% 감소 시간 = 1 ÷ 0.0027 ≈ 370일

무리한 사용

1% 감소 시간 = 1 ÷ 0.0074 ≈ 135일

6. 전체 수명 예측 (80%까지)

배터리는 보통 용량이 80%가 되면 수명이 끝난다. (즉, 20% 감소 시점)

정상 사용

370일 × 20 ≈ 7400일 ≈ 약 20년

무리한 사용

135일 × 20 ≈ 2700일 ≈ 약 7.4년

7. 의미

버틀러-볼머 방정식은 전압(과전압)이 커질수록 열화 반응 속도가 기하급수적으로 빨라진다는 것을 보여준다.

따라서 급속충전, 고온 운전이 많을수록 배터리 수명은 짧아진다.

8. 한 줄 요약

버틀러-볼머 방정식으로 열화 반응 속도를 계산하고 이를 시간에 따라 누적하면 배터리 수명을 예측할 수 있다.

버틀러-볼머 방정식 쉽게 이해하기

버틀러-볼머 방정식 (Butler-Volmer Equation)

1. 버틀러-볼머 방정식이란?

버틀러-볼머 방정식은 배터리에서 전극 표면에서 일어나는 화학 반응 속도를 계산하는 공식이다.

쉽게 말하면, 전압을 얼마나 주느냐에 따라 화학 반응이 얼마나 빨리 일어나는지 알려주는 식이다.

2. 아주 단순한 형태

j = j₀ [ exp(η) − exp(−η) ]

j : 실제 반응 속도(전류)
j₀ : 기본 반응 능력
η : 전압 차이(얼마나 세게 밀었는지)

3. 쉬운 비유

가게 문을 생각해보자.

• j₀ = 문 크기 (기본 반응 능력)
• η = 사람들이 미는 힘 (전압)
• j = 실제로 들어오는 사람 수 (반응 속도)

4. 숫자 넣어 계산해보기

기본 반응 능력: j₀ = 2
전압 차이: η = 1

j = 2 × [ e¹ − e⁻¹ ]

e¹ ≈ 2.7
e⁻¹ ≈ 0.37

j = 2 × (2.7 − 0.37)
j = 2 × 2.33
j ≈ 4.66

전압을 조금 주었더니 반응 속도는 약 4.66이 되었다.

5. 전압을 더 키우면?

η = 2일 때

j = 2 × [ e² − e⁻² ]

e² ≈ 7.4
e⁻² ≈ 0.14

j = 2 × (7.4 − 0.14)
j ≈ 14.5

전압을 2배로 했더니 반응 속도는 3배 이상 빨라졌다.

6. 한 줄 요약

버틀러-볼머 방정식은 전압을 얼마나 주느냐에 따라 화학 반응 속도가 얼마나 빨라지는지 알려주는 공식이다.

뉴먼 방정식 P2D 구조도

뉴먼 방정식 P2D (Pseudo-2-Dimensional) 구조도

1. P2D 모델 개념

P2D 모델은 배터리를 길이 방향(x)과 입자 반경 방향(r) 두 축으로 나누어 계산하는 모델이다.

x 방향: 음극 → 분리막 → 양극
r 방향: 각 전극 입자 내부에서 리튬 확산

2. 배터리 물리 구조

음극 (Anode)

전자 이동
리튬 방출

분리막 (Separator)

이온만 통과

양극 (Cathode)

전자 수용
리튬 저장

3. 고체 전극 내부 방정식 (전자 이동)

σ · dφ_s/dx = - i_s

전극 내부에서 전압 기울기에 따라 전자가 이동한다.

4. 전해질 내부 방정식 (리튬 이온 이동)

∂c_e/∂t = D_e · ∂²c_e/∂x²

전해질 안에서 리튬 이온이 농도 차이에 의해 확산한다.

5. 입자 내부 확산 (r 방향)

∂c_s/∂t = D_s · (1/r²) · ∂/∂r ( r² ∂c_s/∂r )

전극 입자 안에서 리튬이 중심에서 표면으로 확산된다.

6. 전극 표면 반응 (버틀러-볼머)

j = j₀ [ exp(αFη/RT) − exp(−αFη/RT) ]

전극과 전해질 경계에서 화학 반응 속도를 계산한다.

7. 전체 연결 구조

전자 이동 + 이온 이동 + 입자 확산 + 표면 반응을 동시에 계산하여 전압, 전류, 열화 상태를 예측한다.

전자 이동

이온 이동

화학 반응

↓ 통합 계산 ↓

배터리 전압 · 출력 · 수명 예측

8. 한 줄 요약

뉴먼 P2D 모델은 배터리 내부의 물리 구조를 따라 전자 이동, 이온 이동, 입자 내부 확산, 화학 반응을 동시에 풀어내는 전기화학 모델이다.

뉴먼 방정식과 배터리 수명 예측

뉴먼 방정식(Newman Equation)

배터리 전기화학 기반 수명 예측 모델

1. 뉴먼 방정식이란?

뉴먼 방정식은 리튬이온 배터리 안에서 전자와 리튬 이온이 어떻게 이동하고, 전극 표면에서 어떤 화학 반응이 일어나는지를 동시에 계산하는 수식 모델이다.

즉, 배터리 내부를 수학적으로 표현한 지도라고 볼 수 있다.

2. 전극 안 전자 이동 (옴의 법칙)

σ · dφ_s/dx = - i_s

σ : 전극 전도도
φ_s : 고체 전극 전위
i_s : 전류 밀도

전압 기울기가 생기면 전자가 흐른다는 의미이다.

계산 예제
전도도 σ = 10
전압 차이 = 0.1 V
전극 두께 = 0.01 m

전압 기울기 = 0.1 / 0.01 = 10 V/m
전류 밀도 i = 10 × 10 = 100 A/m²

3. 전해질 안 리튬 이온 이동 (확산 방정식)

∂c_e/∂t = D_e · ∂²c_e/∂x²

c_e : 리튬 이온 농도
D_e : 확산계수

농도가 높은 곳에서 낮은 곳으로 퍼지는 현상을 의미한다.

계산 예제
왼쪽 농도 = 100
오른쪽 농도 = 80
거리 = 1 cm
확산계수 D = 1

농도 기울기 = (100 - 80) / 1 = 20
확산량 ≈ 1 × 20 = 20

4. 전극 표면 반응 (버틀러-볼머 식)

j = j₀ [ exp(αFη/RT) - exp(-αFη/RT) ]

j : 반응 전류
j₀ : 교환 전류 밀도
η : 과전압

계산 예제
j₀ = 1
η = 0.1 V
αF/RT ≈ 1

j = 1 × (e⁰·¹ − e⁻⁰·¹)
e⁰·¹ ≈ 1.105
e⁻⁰·¹ ≈ 0.905

j = 1 × (1.105 − 0.905) = 0.20

5. 수명 예측에 어떻게 쓰이나?

배터리가 늙으면 다음 값들이 줄어든다.

• 확산계수 D 감소
• 교환전류 j₀ 감소
• 내부 저항 증가

열화 예제
초기: j₀ = 1 → j = 0.20
노화 후: j₀ = 0.5 → j = 0.10

출력이 절반으로 감소 → 수명 감소

6. 한 줄 요약

뉴먼 방정식은 배터리 안에서 전자 이동, 이온 이동, 화학 반응을 동시에 계산하여 현재 상태와 앞으로의 수명을 예측하는 전기화학 모델이다.

뉴먼 방정식과 배터리 수명 예측

뉴먼 방정식(Newman Equation)

1. 뉴먼 방정식이란?

뉴먼 방정식은 배터리 안에서 일어나는 전기와 화학 반응을 수학으로 나타낸 식이다. 쉽게 말하면, 배터리 안에서 리튬 이온과 전자가 어떻게 움직이는지를 계산하는 공식이다.

2. 배터리 안에서는 무슨 일이 일어날까?

배터리는 세 부분으로 이루어져 있다.

• 음극: 리튬이 출발하는 곳
• 전해질: 리튬 이온이 지나가는 길
• 양극: 리튬이 도착하는 곳

뉴먼 방정식은 이 세 곳에서 이온과 전자가 어떻게 이동하는지 계산한다.

3. 왜 수명 예측에 사용될까?

배터리는 사용하면서 점점 늙는다. 그 이유는 리튬 이온이 잘 움직이지 못하고, 내부 저항이 커지기 때문이다.

뉴먼 방정식은 이런 변화를 숫자로 계산해서 배터리가 앞으로 얼마나 더 사용할 수 있는지 예측할 수 있게 해준다.

4. 쉬운 비유

배터리를 건물이라고 생각해보자.

• 사람(리튬 이온)이 복도를 지나 방으로 이동한다.
• 복도가 막히면 이동이 느려진다.
• 방이 꽉 차면 더 들어갈 수 없다.

뉴먼 방정식은 이 상황을 수학으로 계산하는 지도 같은 역할을 한다.

5. 한 줄 요약

뉴먼 방정식은 배터리 속에서 일어나는 일을 수학으로 표현한 공식이며, 이를 이용해 배터리 수명을 예측할 수 있다.

EIS 검사기술 소개

EIS 검사기술 (Electrochemical Impedance Spectroscopy)

EIS는 전기화학 임피던스 분광법으로, 배터리나 연료전지 같은 전기화학 시스템의 내부 상태를 비파괴적으로 분석하는 검사기술입니다.

원리

• 작은 교류 전압(AC)을 인가
• 전류 응답을 측정
• 주파수별 임피던스를 분석

특징

• 비파괴 검사 가능
• 내부 저항 및 열화 상태 진단
• 수명 예측 가능
• 조기 불량 검출 가능

활용 분야

• 리튬이온 배터리 진단
• ESS 상태 모니터링
• 연료전지 성능 평가
• 부식 및 코팅 검사

장점

1. 충·방전 없이 상태 확인 가능
2. 안전사고 예방
3. 정확한 열화 분석