출처  : https://xtech.nikkei.com/atcl/nxt/column/18/02767/022800003/?i_cid=nbpnxt_sied_child

리튬이온(Li), 금속 원소 M, 그리고 할로겐X를 조합한 LiαMXβ라는 조성으로 할라이드(할로겐화물)라고도 불리는 차세대 고체 전해질을 탐색하고자, 파나소닉과 중국의 세력뿐 아니라 일본을 포함한 많은 기업과 연구기관의 연구자들이 참전하고 있다. 대학 등은 이미 많이 참여하고 있다. 기업에서는 토요타 자동차, 일본 가이시, 미국 Microsoft(마이크로소프트) 등이 포함된다. (주1)

주1) Microsoft가 차세대 전지 개발에 참전한 것은 AI(인공지능)를 이끄는 입장에서 재료 개발에 더하여 전지의 ‘디지털 트윈’에 근거한 전지의 수명과 같은 성능을 예측할 수 있게 만들고자 하기 때문인 듯하다. 동사의 과학 계산용 클라우드 ‘Azure Quantum Elements’의 활용을 촉진하고 프로모션을 하려는 측면도 있다.

MI에서 탐색 범위를 넓혀 시간 단축

일본 가이시 및 Microsoft의 공통점은 기계학습을 사용하는 재료 탐색, 이른바 머티리얼 인포머틱스(MI)를 활용한다는 점이다.

할라이드계의 기본적인 조성은 LiαMXβ로 얼핏 단순해 보이지만, 이 기사에서 말한 것처럼 원소의 일부를 다른 원소로 치환하여 결정성의 흐트러짐이나 공간을 의도적으로 만들어 냄으로써 이온 전도율을 높이거나 환원 내성을 높이는 것이 최근의 트렌드다. 그 결과 사용되는 원소는 5~6종류에 달하며 그 조성비는 소수점 아래 2~3자릿수로 매우 촘촘하다. 또한 조성이 같아도 결정 구조가 다를 수도 있다. 그러면 조사해야 하는 재료의 수는 천문학적으로 증가하게 되며, 사람이 실험할 수 있는 수준을 넘어서게 된다. 이때 MI를 이용하면 탐색 범위를 넓히면서도 훨씬 짧은 시간 안에 유력한 재료를 찾아낼 수 있다.

54원소를 바탕으로 3,260만 종류의 결정을 가상함

이제 Microsoft와 Pacific Northwest National Laboratory(퍼시픽 노스웨스트 국립연구소, PNNL)가 2024년 1월에 발표한 내용을 소개한다. MI에 근거한 고체 전해질 재료 탐색을 통해 새로운 재료를 공동으로 발견했다고 한다. 그렇게 18종류의 신규 고체 전해질을 80시간 동안, 실제로는 약 일주일에 걸쳐 찾아냈는데, 결과적으로 그들은 모두 할라이드계, 또는 할라이드계의 X의 일부를 산소 원자(O)로 치환한 옥시할라이드계였다.

Microsoft와 PNNL은 먼저 주기율표를 바탕으로 재료를 탐색할 대상으로서 54원소를 선정했다(그림1). 선정 기준은 (1) 헬륨(He) 등의 노블가스는 화학 반응성이 약한 것을 제외하고, (2) 백금(Pt) 등의 귀금속은 너무 비싸기 때문에 제외하고, (3) 란탄(La) 이외의 란타노이드, 그리고 주기율표에서 마지막 단에 있는 원소 즉 프랑슘(Fr) 단의 원소는 Li 이온 2차 전지(LIB)에서는 거의 사용하지 않으니 제외(주2)하는 식이다. 결과적으로 54원소가 남았다고 한다.

주2) 제품화된 LIB 중에는 아직 없지만, 할라이드계 고체 전해질의 연구개발 예에서는 란타노이드인 루테튬(Lu) 및 어븀(Er), 홀뮴(Ho) 등이 많이 사용된다.

<그림1> 먼저 주기율표에서 54원소를 선정함

Microsoft와 PNNL이 선정한 고체 전해질 재료 후보 원소는 54종류이다. 헬륨(He) 등의 노블가스 및 금(Au)과 백금(Pt) 등의 귀금속, 란탄(La) 이외의 란타노이드 및 액티나이드, 대부분이 강한 방사성을 가진 합성 원소인 제7주기의 원소는 제외했다.

다음으로 고체 전해질이 될 수 있는 기존 재료의 결정 구조를 바탕으로 가수를 고려하면서 54원소의 가능한 조합을 조사한 결과 총 3,259만 8,079종류의 가상의 결정을 얻었다고 한다(그림2).

<그림2> 기계학습을 통해 771종류로 추리면 대부분 할라이드계

Microsoft와 PNNL이 실시한 기계학습 모델에 의한 재료 스크리닝 프로세스. 기존의 결정 및 결정 구조를 먼저 가정하고 거기에 가수를 고려하면서 54개 원소를 할당함으로써 약 3260만 종류의 후보를 얻었다. 다음으로 ‘Azure Quantum Elements’라는 Microsoft의 과학 계산을 위한 클라우드에 약 1000대의 가상 머신을 구축하여 그래프 뉴럴 네트워크(GNN) 등의 기계학습에 근거하여 특성을 추론함으로써 약 3260만 종류의 후보를 771종류로 추려냈다. 동일한 작업을 제1 원리 계산(구체적으로는 DFT)으로 수행하면 1500배 이상의 계산 자원이 필요하다. 제5 필터인 전위창이 2V 이하인 재료를 제외하면 남은 771종류 대부분이 할라이드계 또는 산화물계였다.

결정 구조는 먼저 그 개형(槪形)에 의해 단사정계 및 삼방정계와 같은 7종류의 결정계로 분류된다. 더 상세한 세분법이 몇 가지가 더 있지만 Microsoft 등은 공간군*에 의한 분류를 사용했다. 그렇게 얻은 가상적인 결정의 공간군은 184종류였다.

* 공간군 = 회전 대칭, 병진 대칭, 경영 대칭 등의 대칭성을 바탕으로 하는 결정 구조 분류법. 3차원 결정에서는 총 230개의 공간군이 있다.

[전고체 배터리 및 고체전해질 개발 전모와 향후 전망] 보고서 상세보기

https://www.irsglobal.com/shop_goods/goods_view.htm?category=03000000&goods_idx=95061&goods_bu_id=