삼성SDI는 인공지능(AI)과 빅데이터 분석 기술을 활용, 배터리 연구개발(R&D) 단계에서 성능을 미리 예측하고 확인하는 기술을 개발한다. 배터리 R&D 패러다임 전환 사례로 주목받고 있다.
리튬이온 배터리는 살아있는 생물체에 비유될 정도로 물리·화학적 독특한 특징을 가진데다 모든 단계에서 소재나 환경 인자가 비선형적인 상호작용을 하기 때문에 성능을 예측하는데 근본적인 어려움이 있었다.
이러한 특성 때문에 전통적 배터리 개발 방식은 마지막 단계, 즉 최종 제품 형태가 만들어져야 비로소 성능 검증이 가능했다. 만약 완제품의 기술적 결함이 확인되면 원인을 파악하고 다시 개발하는 과정을 반복해야하기 때문에 배터리 R&D부터 최종 제품 생산까지 많은 시간이 소요됐다.
삼성SDI는 축적된 데이터를 통해 공정 인자·설계 인자 등 다양한 조건을 고려해 배터리 개발 단계에서도 최종 성능을 예측할 수 있는 기반을 마련하고 있다.
이를 위해 배터리 개발 단계를 공정 단위별로 모듈화하고 배터리 R&D·생산·테스트 관련 축적된 데이터를 기계학습, 단계별 산식을 수립했다. 재료·설계가 배터리 성능에 미칠 수 있는 영향에 대한 데이터를 수집·분석하고 원자, 물질, 전극, 셀, 시스템 등 배터리 개발 단위별 설계가 배터리 성능에 어떤 영향을 미치는지 확인·예측하는 다양한 산식을 만드는 것이다.
삼성SDI는 배터리 소재 디자인부터 완제품에 이르기까지 배터리 R&D를 진행하는 동안 생산되는 설계, 제작공정, 평가 관련 데이터를 연계해 축적하고 데이터베이스(DB)화해 성능 예측에 대한 인텔리전스를 확보했다.
배터리 전극을 예로 들면 배터리 개발단계에서 활용한 데이터에 기반해 가상 공간에 배터리 전극 구성을 구현한다. 배터리는 다양한 소재를 혼합해 사용하는 만큼 어떤 소재를 혼합하고 전극을 설계했을때 어떤 품질의 제품이 만들어지는지 데이터를 축적한다. 이를 통해 어떻게 전극을 구성해야 배터리에 최적화되고 가장 이상적인 성능의 배터리가 생산될 수 있는지를 확인한다.
삼성SDI는 중간 과정에서 나오는 반제품 품질과 최종 성능을 비교하고 그 과정에서 다양한 공정인자와 설계인자를 고려할 수 있는 기술을 확보하고 있다. 이 과정에서 머신러닝(ML) 등 기술을 도입하면서 개발 단계를 가속화 할 수 있다.
현재는 배터리 연구·생산 중간 단계에서 성능 검사결과와 최종 제품이 나왔을 때 성능 검사결과 간 차이를 최소화하는 수준까지 올라왔다. 차이가 줄어들수록 성능 예측 정확도가 높아지고 배터리 설계단계에서 최종 배터리 성능을 예상할 수 있게 된다.
삼성SDI 관계자는 “그동안 배터리의 적합한 개발 방식으로 여겨졌던 것을 넘어서는 방향으로 움직여야하는 단계”라면서 “필요한 기술을 빠르게 확보하고 적용해나가는데 삼성SDI가 선도적인 역할을 이끌어나가겠다”고 말했다.
정현정 기자 iam@etnews.com
