리튬 이온 배터리는 스마트폰 전기 자동차 및 모바일 장치와 같은 많은 분야에 혁명을 일으켰습니다. 그러나 찬 리튬은 점점 더 비용 찬 배포 가능성 및 지속 가능성의 한계를 드러내고 있습니다. 이러한 현실에 직면하여 연구팀 NJIT는 AI를 사용하여 마그네슘 찬 칼슘 알루미늄 및 아연과 같은 더 풍부한 원소를 기반으로 한 배터리 솔루션을 찾았습니다.
리튬이 단일 전하를 갖는 것과 달리 다중 화학 금속은 2~3개의 전하를 가질 수 있습니다. 이는 각 이온이 더 많은 에너지를 전달한다는 것을 의미합니다. 그러나 이 이온의 큰 크기인 전하 때문에 일반 배터리 재료에서 이동하기 어렵습니다.
이 문제를 해결하기 위해 Dibakar Datta 교수가 이끄는 연구팀 NJIT,는 Crystal Diffusion Variational Autoencoder(CDVAE)라는 이중 AI 시스템과 미세 조정된 대규모 언어 모델(LLM)을 구현했습니다. 이러한 도구는 열역학적 안정성과 빠르고 안전하게 이동하는 다중 이온에 적합한 개방 채널을 갖춘 수천 개의 새로운 결정 재료 구조를 탐험하는 데 도움이 됩니다.
그 결과 팀은 차세대 배터리에 대한 큰 잠재력을 가진 5가지 완전히 새로운 스펀지 금속 전이 산화물인 입체 재료인 입체를 확인했습니다. 이러한 결과는 양자 역학 시뮬레이션과 열역학 테스트를 통해 검증되었습니다. 결과에 따르면 입체 재료는 실제로 합성할 수 있으며 높은 에너지 저장 효율을 달성할 수 있습니다.
Datta, 교수에 따르면 이 방법은 배터리 과학에 획기적인 발전을 가져올 뿐만 아니라 다른 많은 분야에서 첨단 재료를 빠르고 대규모로 발견하는 새로운 방향을 제시합니다.
