AI가 차세대 배터리를 위한 새로운 소재를 발견하다

리튬 대 나머지

리튬 이온 배터리는 지금까지 전기화 전환 분야를 장악해 왔으며, 이는 크게 리튬 원자의 독특한 전기적 특성 때문입니다. 간단히 말해, 주기율표에서 세 번째로 가벼운 원소인 리튬은 단일 전자를 이용해 전하를 운반하는 데 가장 강력합니다.

출처: Medium

하지만 리튬은 비용이 많이 들어 대체 배터리 화학이 경제적으로 매력적일 수 있습니다. 특히, 나트륨 이온 배터리가 바로 이 이유로 주목받고 있습니다.

다른 설계가 이전보다 더 큰 잠재력을 가질 수 있는 것으로 보입니다: 다가양이온 배터리입니다. 이들은 한 번에 하나 이상의 전자를 운반할 수 있는 금속 이온을 사용하며, 리튬 이온 배터리보다 비용 효율적일 수 있습니다.

최근의 돌파구는 AI를 활용해 배터리 소재 조합을 수백만 가지 테스트함으로써 달성되었습니다. 이 발견은 뉴저지 공과대학(NJIT)과 렌셀러 폴리테크닉 연구소(RPI)(미국) 연구원들이 이뤄냈습니다. 그들은 결과를 Cell Reports Physical Science¹에 “다음 세대 에너지 저장을 위한 다공성 산화물 소재 발견을 위한 생성 AI”라는 제목으로 발표했습니다.

다양한 종류의 이온 배터리

리튬 이온이 에너지 밀도 덕분에 소형 전자기기와 초기 전기차 설계를 장악했다면, 동일한 원리에 따라 다른 금속 이온들도 사용할 수 있습니다.

앞서 언급했듯이, 나트륨 이온은 현재 인기 있는 대안이며, 저가 전기차 모델을 위해 대량 생산되고 있습니다.

또 다른 옵션은 마그네슘, 칼슘, 알루미늄 또는 아연을 사용하는 것으로, 이들 모두 다가양이온입니다. 이는 두 개 혹은 세 개의 양전하를 운반한다는 뜻입니다.

하지만 더 큰 전하에는 더 큰 원자 크기가 동반됩니다. 이러한 큰 원자 사양은 다가양이온을 배터리 소재에 효율적으로 수용하기 어렵게 만들어, 배터리 밀도를 상업적으로 실현 가능할 정도로 낮추게 됩니다.

적어도 기존의 리튬이나 나트륨 이온용으로 개발된 전통적인 배터리 소재에서는 이런 현상이 사실이었습니다. 그러나 이것이 사용할 수 있는 유일한 배터리 소재는 아닙니다. 이온의 이동이 전하를 운반하도록 하는 다양한 다른 결정 구조를 설계할 수 있습니다.

“가장 큰 장애물 중 하나는 유망한 배터리 화학이 부족한 것이 아니라, 수백만 가지 소재 조합을 테스트하는 것이 사실상 불가능하다는 점이었습니다,”

교수 Dibakar Datta – New Jersey Institute of Technology (NJIT)

AI가 연구를 지원

강력한 조력자

인간의 두뇌는 수치가 수백만에 달하는 데이터 세트를 다루는 데 최적이 아닙니다. 그러나 AI는 이에 뛰어납니다.

특히 재료 과학이나 바이오테크 분야의 연구자들이 AI 기술을 활용해 가장 유망한 아이디어를 식별하고, 이후 더 정밀하게 분석·시험하는 추세가 늘어나고 있습니다.

“우리는 방대한 영역을 빠르고 체계적으로 탐색해 다가양이온 배터리를 실제로 실용화할 수 있는 몇 안 되는 구조를 찾아내기 위해 생성 AI에 의존했습니다.”

교수 Dibakar Datta – New Jersey Institute of Technology (NJIT)

이전에 물리학에만 의존하는 계산 모델은 새로운 종류의 결정 구조를 모델링하는 데 필요한 극히 복잡한 계산을 처리할 수 없었습니다.

하지만 머신러닝과 신경망을 기반으로 한 새로운 유형의 AI는 물리적 수학적 계산 없이도 물질의 일반적인 특성을 “추정”할 수 있습니다.

출처: Cell

연구진은 동시에 두 종류의 AI를 활용하는 시스템을 개발했으며, 하나는 결정에 대한 지식을, 다른 하나는 LLM(대형 언어 모델)으로, 이는 ChatGPT의 기술 기반과 동일합니다.

출처: Cell

결정 확산 변분 오토인코더 (CDVAE)

CDVAE 모델은 10,000개의 구조를 생성했으며, 이들은 필요한 기준을 충족하는지 확인하기 위해 일련의 정밀 스크리닝 및 검증 과정을 거쳤습니다.

예를 들어, 원자 쌍 사이의 거리가 충분히 큰지, 시스템의 전하 중성이 유지되는지를 확인했습니다.

이 방법으로 배터리 소재에 활용될 수 있는 42개의 구조가 생성되었습니다.

이 중 21개의 구조는 데이터베이스의 기존 항목과 일치했지만, 화학량론, 격자 매개변수 또는 공간군의 차이를 가진 새로운 구성 형태를 제공했습니다. 나머지 21개의 구조는 완전히 새로웠습니다.

출처: Cell

따라서 기존 소재의 새로운 변형과 완전히 새로운 잠재 배터리 소재를 모두 창출했습니다.

LLM

연구진은 이어서 메타의 (FB ) Llama-3.1-8B를 사용했으며, 이는 결정 구조 생성을 위해 특별히 보정·맞춤화되었습니다.

출처: Cell

이 모델은 10,000개 이상의 결정 구조를 생성했으며, 구조적 완전성을 확인한 뒤 1,087개의 구조가 남았습니다. CDVAE와 동일한 필터를 적용한 결과 13개의 잠재 후보가 도출되었고, 그 중 가장 안정적인 5개의 구조가 선택되었습니다.

출처: Cell

스와이프하여 스크롤 →

AI의 발견에 도전

연구진은 “DFT 완화”라는 수학적 테스트 방법을 사용해 소재의 자유 에너지(안정성과 연관)를 계산하여 발견된 소재의 품질을 검증했습니다.

즉시 LLM이 생성한 결정 소재가 전반적으로 CDVAE가 만든 것보다 훨씬 우수하고 안정적임이 드러났습니다.

출처: Cell

“우리의 AI 도구는 발견 과정을 크게 가속화했으며, 그 결과 놀라운 가능성을 보이는 완전히 새로운 다공성 전이 금속 산화물 구조 다섯 개를 밝혀냈습니다,”

교수 Dibakar Datta – New Jersey Institute of Technology (NJIT)

실제로 제작할 수 있을까?

팀은 양자역학 시뮬레이션과 안정성 테스트를 통해 AI가 생성한 구조를 검증했으며, 이 소재들이 실제 실험적으로 합성될 수 있고 실제 적용에 큰 잠재력을 가지고 있음을 확인했습니다.

“이 소재들은 부피가 큰 다가양이온을 빠르고 안전하게 이동시킬 수 있는 넓고 개방된 채널을 가지고 있어, 차세대 배터리를 위한 중요한 돌파구입니다,”

교수 Dibakar Datta – New Jersey Institute of Technology (NJIT)

다음 단계는 실험실과 협력해 새롭게 구상된 AI 설계 소재를 합성하고 테스트하는 것입니다.

이는 다가양이온 배터리를 배터리 기술의 다음 단계로 만들 수 있습니다. 현재까지는 큰 원자를 수용할 적절한 소재가 부족해 이 옵션의 개발이 막혀 있었습니다. 마그네슘, 알루미늄 또는 기타 큰 이온을 저장할 더 좋은 소재를 사용한다면, 이러한 원소들의 다중 전자 전달 능력이 언젠가 리튬의 강력하지만 단일 전자 운반 능력을 능가할 수도 있습니다.

재료 과학 및 AI 혁신에 투자

Meta: AI 기반 재료 과학

오늘날 메타는 여전히 주로 페이스북과 인스타그램 소셜 미디어 플랫폼, 그리고 왓츠앱 채팅으로 알려져 있습니다. 또한 VR 헤드셋과 다소 성공적이지 못한 “메타버스”를 통해 가상현실(VR) 분야에도 진출해 있습니다.

하지만 중요한 점은, 메타가 이를 실현하기 위해 막대한 인프라에 투자하고 있는 AI 기업이라는 사실입니다.

“첫 번째 다중 기가와트 데이터 센터인 ‘프로메테우스’는 2026년에 가동될 예정이며, 또 다른 ‘하이페리온’은 향후 몇 년간 5 기가와트까지 확장할 수 있을 것입니다.

“우리는 추가로 여러 타이탄 클러스터를 구축하고 있습니다. 이 중 하나만으로도 맨해튼의 상당 부분을 차지합니다.”

Mark Zuckerberg – Meta 창립자 겸 CEO

LLM 기술은 겉보기에는 챗봇, 향상된 온라인 검색, 교육 등 인간 중심의 ‘대화’ 작업에 주로 유용해 보입니다.

하지만 이번 연구는 LLM이 언어를 학습하는 능력이 결정 구조와 같은 데이터 집약적 작업에도 적용될 수 있음을 보여줍니다. 예를 들어 유전 암호에도 동일하게 적용될 수 있습니다.

이는 LLM 알고리즘의 진보가 배터리용 신소재, 첨단 소재, 에너지 생성 등 새로운 소재 창출에 대한 전례 없는 발견의 황금기를 열 것이며, 의약품이나 바이오제조 도구로 전환될 수 있는 새로운 유형의 단백질 및 DNA/RNA 소재도 포함될 것입니다.

이러한 맥락에서 메타와 그 라마 LLM 모델과 같은 기업들은 기존 도구를 대체하는 잠재적으로 수익성 있는 기술을 구축할 뿐만 아니라 물리적 세계에서도 IP 강자로 변모할 수 있음을 의미합니다.

이와 같은 맥락에서 메타, 혹은 구글 (GOOGL )·마이크로소프트 (MSFT )와 같은 기업들의 초기 기술 사업은 재생 에너지와 재료 과학을 포함한 다양한 신기술로 세계를 변화시키는 AI·IP 중심 거인으로 성장하기 전의 디딤돌에 불과했음을 기억할 필요가 있습니다.

최신 Meta (META) 주식 뉴스 및 개발 현황

참조 연구

^{1. Joy Datta, Amruth Nadimpally, Nikhil Koratkar, Dibakar Datta. 다음 세대 에너지 저장을 위한 다공성 산화물 소재 발견을 위한 생성 AI.Cell Reports Physical Science, Volume 6, Issue 7, 102665. 2025년 7월 16일. https://www.cell.com/cell-reports-physical-science/fulltext/S2666-3864(25)00264-4}