%ED%99%8D%EC%8A%B9%EB%B2%94
-
미래 반도체 소재 나노 분석 정확도 획기적 향상
머리카락 두께의 수만 분의 1도 관찰할 수 있는 초정밀 현미경으로 특수 전자소자를 측정할 때 발생하던 오차의 원인이 밝혀졌다. 한미 공동 연구진이 그동안 측정 대상 물질의 특성으로 여겨졌던 오차가, 실제로는 현미경 탐침 끝부분과 물질 표면 사이의 극미세 공간 때문이라는 사실을 밝혀낸 것이다. 이번 연구는 반도체, 메모리 소자, 센서 등에 활용되는 나노 소재 특성을 정확하게 분석하여 관련 기술 발전에 크게 기여할 것이다.
우리 대학 신소재공학과 홍승범 교수 연구팀이 미국 버클리 대학 레인 마틴(Lane W. Martin) 교수팀과의 국제 공동연구를 통해, 주사탐침현미경 측정의 최대 난제였던 신호 정확도를 저해하는 핵심 요인을 규명하고 이를 제어하는 획기적인 방법을 개발했다고 18일 밝혔다.
연구팀은 현미경 탐침과 시료 표면 사이에 존재하는 비접촉 유전 간극이 측정 오차의 주요 원인임을 밝혀냈다. 이 간극은 측정환경에서 쉽게 변조되거나 오염물질로 채워져 있어 전기적 측정에 큰 영향을 미치는 것으로 나타났다.
이에 연구진은 물과 같은 고유전율 유체를 이용해 이 간극을 채우는 방법을 고안, 나노스케일 분극 전환 전압 측정의 정밀도를 8배 이상 향상했다. 이러한 접근은 기존의 대칭 커패시터 구조에서 얻은 결과와 거의 일치하는 값을 얻을 수 있어, 강유전체 박막의 특성 분석에 새로운 장을 열 것으로 기대되고 있다.
특히, 연구진은 규칙적으로 위아래 전기적 특성이 정렬된 리튬 니오베이트(PPLN, 광학 및 전자 소자에 사용되는 특수 결정) 물질에 물을 매개체로 사용했을 때, 기존보다 월등히 높은 정밀도의 압전 반응력 현미경(PFM, 물질의 미세 전기적 특성을 관찰하는 특수 현미경) 측정에 성공했다.
물로 제어된 유전 간극에서는 다른 분극 신호 간의 비대칭성이 4% 이하까지 떨어지는 것을 확인했다. 이는 물 분자가 표면 전하를 중화시켜 정전기력 영향을 최소화한 결과로 분석된다. 이는 마치 건조한 겨울철에 발생하는 정전기를 물로 없앨 수 있는 것과 비슷한 원리다.
홍승범 교수는 "이번 발견은 미세 탐침을 활용한 나노스케일 측정 기술의 불확실성 문제를 해결할 수 있는 기반 연구이며, 강유전체뿐만 아니라 다양한 기능성 재료의 전기적 특성 분석에 널리 적용될 수 있을 것”이라고 전망했다.
신소재공학과 엄성문 박사과정이 제 1저자로, 김연규 박사과정이 공저자로 참여한 이번 연구 결과는 국제 학술지 ‘어드밴스드 펑셔널 머티리얼즈(Advanced Functional Materials)'에 9월 2일 자 출판되었다. (논문 제목: Unveiling the Nanoscale Dielectric Gap and Its Influence on Ferroelectric Polarization Switching in Scanning Probe Microscopy)
한편 이번 연구는 한국연구재단과 KAIST 글로벌 특이점 사업의 지원 및 미국 연구진과의 국제공동 연구를 통해 수행되었다.
2024.11.18 조회수 643 -
인공지능으로 배터리 원소, 충방전 상태 인식
국제공동연구진이 인공지능 학습을 통해 배터리의 표면 형상만 보고 각 원소의 함량 그리고 충·방전 횟수에 대한 정보를 높은 정확도로 알아내는 영상인식 기술을 개발하여 화제다.
우리 대학 신소재공학과 홍승범 교수가 한국전자통신연구원(ETRI), 미국 드렉셀대학과 공동연구를 통해 다양한 조성과 각기 다른 충·방전 사이클의 NCM 양극재 주사전자현미경 사진을 합성곱 신경망* 기반 인공지능에 학습시켜 주요 원소 함량과 충·방전 상태를 99.6%의 높은 정확도로 맞추는 방법론을 세계 최초로 개발했다고 2일 밝혔다.
*합성곱 신경망(콘볼루션 신경망, Convolutional Neural Network, CNN): 시각적 영상을 분석하는 데 사용되는 다층의 피드-포워드적인 인공신경망의 한 종류이다.
연구팀은 반도체 공정에서는 웨이퍼의 불량 검수를 위해 주사전자현미경(SEM)을 사용하는 반면 배터리 공정에서는 그런 경우가 드물고 연구 현장에서만 입자의 크기 분석을 위해 SEM을 활용하고, 열화된 배터리 소재의 경우 입자가 깨지고 부서지는 형상으로부터 신뢰성을 예측하는 것에 착안했다. 연구팀은 반도체 공정에서와 같이 배터리 공정도 자동화된 SEM으로 양극재 표면을 검수해서 원하는 조성대로 합성이 되었는지 수명은 신뢰성 있게 나올 것인지를 확인해 불량률을 줄일 수 있다면 획기적일 것으로 판단했다.
연구진은 자율주행차에 적용가능한 합성곱 신경망 기반 인공지능에 배터리 소재의 표면 영상을 학습시켜서 양극재의 주 원소 함량과 충·방전 사이클 상태를 예측할 수 있게 했다. 이런 방법론이 첨가제가 들어간 양극재에도 적용가능한 지 확인한 결과 함량은 상당히 정확하게 예측하는 반면 충·방전 상태는 정확도가 낮다는 단점을 알게 됐다. 이에 연구팀은 향후 다양한 공정을 통해서 만든 배터리 소재의 형상을 학습시켜 차세대 배터리의 조성 균일성 검수 및 수명 예측에 활용할 계획이다.
연구를 이끈 홍승범 교수는 “이번 연구는 세계 최초로 마이크론 스케일의 주사전자현미경 사진의 소재 구조 데이터를 통해 주 원소 함량과 충·방전 상태를 빠르고 정확하게 예측할 수 있는 인공지능 기반 방법론을 개발한 데 의의가 있고 이번 연구에서 개발된 현미경 영상 기반 배터리 소재의 함량 및 상태 감별 방법론은 향후 배터리 소재의 성능과 품질을 향상하는 데 중요한 역할을 하게 될 것으로 기대된다”고 전망했다.
한편, 이번 연구는 공동 제1 저자인 신소재공학과 졸업생 오지민 박사와 염지원 박사와 공동저자인 ETRI 김광만 박사와 미국 드렉셀 대학교 아가르(Agar) 교수가 참여하였고, 한국연구재단(2020M3H4A3081880, RS-2023-00247245), KAIST 글로벌특이점 사업의 지원 및 미국 연구진과의 국제공동연구를 통해 수행됐으며, 국제 학술지 ‘엔피제이 컴퓨테이셔날 머티리얼즈(npj computational materials)’에 지난 5월 4일 자 출판됐다. (논문 제목: Composition and state prediction of lithium-ion cathode via convolutional neural network trained on scanning electron microscopy images)
2024.07.02 조회수 2347 -
화학물질 없이 식각하는 반도체 기술 최초 개발
차세대 반도체 메모리의 소재로 주목을 받고 있는 강유전체는 차세대 메모리 소자 혹은 작은 물리적 변화를 감지하는 센서로 활용되는 등 그 중요성이 커지고 있다. 이에 반도체의 핵심 소자가 되는 강유전체를 화학물질없이 식각할 수 있는 연구를 성공해 화제다.
우리 대학 신소재공학과 홍승범 교수가 제네바 대학교와 국제공동연구를 통해 강유전체 표면의 비대칭 마멸* 현상을 세계 최초로 관찰 및 규명했고, 이를 활용해 혁신적인 나노 패터닝 기술**을 개발했다고 26일 밝혔다.
*마멸: 물체 표면의 재료가 점진적으로 손실 또는 제거되는 현상
**나노 패터닝 기술: 나노스케일로 소재의 표면에 정밀한 패턴을 생성하여 다양한 첨단 기술 분야에서 제품 성능을 향상시키는데 사용되는 기술
연구팀은 강유전체 소재의 표면 특성에 관한 연구에 집중했다. 이들은 원자간력 현미경(Atomic Force Microscopy)을 활용해 다양한 강유전체의 트라이볼로지(Tribology, 마찰 및 마모) 현상을 관찰했고, 강유전체의 전기적인 분극* 방향에 따라 마찰되거나 마모되는 특성이 다르다는 것을 세계 최초로 발견했다. (그림 1) 아울러, 이러한 분극 방향에 따라 달라지는 트라이볼로지의 원인으로 변전 효과(Flexoelectric effect)*에 주목했다.
*전기적 분극(electric dipole): 자석의 북극과 남극처럼 전기적으로 양극과 음극이 있는 것을 의미함
*변전 효과: 물질이 휘어졌을 때 분극이 발생하는 현상이지만, 거시 규모에서 물질을 구부렸을 때 유도되는 분극의 크기가 매우 작아 그동안 큰 주목을 받지 못했다. 그러나 2010년대 들어서 물질이 나노스케일로 미세화될 경우, 매우 큰 변전 효과가 발생할 수 있다는 연구 결과가 나오면서 많은 연구자의 주목을 받기 시작했다.
연구진은 강유전체의 트라이볼로지 특성이 나노 단위에서 강한 응력이 가해질 때 발생하는 변전 효과로 인해 강유전체 내부의 분극 방향에 따른 상호작용으로 트라이볼로지 특성이 바뀌게 된다는 것을 발견했다. 또한 이러한 새로운 강유전체 트라이볼로지 현상을 소재의 나노 패터닝에 응용했다.
이러한 패터닝 방식은 기존의 반도체 패터닝 방식과는 다르게 화학 물질 및 고비용의 리소그래피 장비가 필요하지 않고, 기존 공정 대비 매우 빠르게 나노 구조를 제작할 수 있는 장점이 있다.
이번 연구의 제1 저자인 신소재공학과 졸업생 조성우 박사는 “이번 연구는 세계 최초로 강유전체 비대칭 트라이볼로지를 관찰하고 규명한 데 의의가 있고, 이러한 분극에 민감한 트라이볼로지 비대칭성이 다양한 화학적 구성 및 결정 구조를 가진 강유전체에서 널리 적용될 수 있어 많은 후속 연구를 기대할 수 있다”고 밝혔다.
공동교신저자로 본 연구를 공동 지도한 제네바 대학교 파루치(Paruch) 교수는 “변전 효과를 통해 강유전체의 도메인이 분극 방향에 따라 서로 다른 표면 특성을 나타내는 것을 활용함으로써, 다양하고 유용한 기술들을 개발할 수 있을 것이다”며 이번 연구가 앞으로 뻗어나갈 분야에 대한 강한 자신감을 피력했다.
연구를 이끈 홍승범 교수는 “이번 연구에서 개발된 패터닝 기술은 기존 반도체 공정에서 쓰이는 패터닝 공정과 달리 화학 물질을 사용하지 않고, 매우 낮은 비용으로 대면적 나노 구조를 만들 수 있어 산업적으로 활용될 수 있는 잠재력을 가지고 있다”고 전망했다.
한편, 이번 연구는 한국연구재단(2020R1A2C2012078, NRF-2022K1A4A7A04095892, RS-2023-00247245), KAIST 글로벌특이점 사업의 지원 및 스위스, 스페인 연구진과의 국제공동연구를 통해 수행됐으며, 국제 학술지 ‘네이처 커뮤니케이션즈(Nature Communications)’에 1월 9일 자 출판됐다. (논문 제목: Switchable tribology of ferroelectrics)
2024.03.26 조회수 4266 -
금이 간 뼈에 ‘뼈 반창고’ 신소재 개발
뼈 재생은 복잡하며 기존의 골 이식 및 성장 인자 전달 등과 같은 재생을 할 경우 높은 단가 발생 등의 한계가 있었는데 뼈조직의 성장을 촉진하기 위한 압전 물질이 개발되었다.
우리 대학 신소재공학과 홍승범 교수 연구팀이 전남대학교 융합바이오시스템기계공학과 김장호 교수 연구팀과 협업을 통해 하이드록시아파타이트(HAp)의 고유한 골 형성 능력을 활용하여 압력을 가했을 때 전기적 신호가 발생하는 생체 모방 지지체를 개발했다고 25일 밝혔다.
하이드록시아파타이트(HAp)란 뼈나 치아에서 발견되는 염기성 인산칼슘으로 생체 친화적인 특징이 있으며, 충치를 예방하는 특성이 있어 치약에도 쓰이는 미네랄 물질이다.
이전의 압전 지지체 관련 연구들은 압전성이 뼈 재생을 촉진하고 골 융합을 향상하는 효과를 다양한 고분자 기반 소재에서 확인했지만, 최적의 골조직 재생에 필요한 복잡한 세포 환경을 모사하는 데 한계가 있었다. 그러나 이번 연구는 하이드록시아파타이트(HAp) 고유의 골 형성 능력을 활용해 생체의 골조직 환경을 모방하는 소재를 개발한 것으로, 연구팀은 새로운 방법을 제시했다.
연구팀은 하이드록시아파타이트(HAp)를 고분자 필름과 융합하는 제조 공정을 개발했다. 이 공정으로 제작된 유연하고 독립적인 지지체는 실험 쥐를 대상으로 한 체외 및 체내 실험에서 뼈 재생을 가속하는 놀라운 잠재력을 입증했다.
또한, 연구팀은 동 지지체의 골 재생 효과의 원인을 다각도로 밝혀냈다. 원자간력 현미경(AFM) 분석을 통해 지지체의 전기적 특성을 조사했으며, 세포 모양과 세포 골격 단백질 형성에 대한 상세한 표면 특성 평가를 진행했다. 또한, 압전 및 표면적 요소가 성장 인자 발현에 어떤 영향을 미치는지 조사했다.
신소재공학과 홍승범 교수는 "뼈의 재생 속도를 가속화시키는 효과를 통해 `뼈 반창고' 같은 역할을 하는 하이드록시아파타이트(HAp) 융합 압전성 복합소재를 개발했다ˮ며, "이번 연구는 생체 재료 설계에 새로운 방향성을 제시하는 데에 그치지 않고, 압전성과 표면적 특성이 뼈 재생에 미치는 영향을 탐구한 데에 의의가 있다ˮ 라고 강조했다.
홍승범 교수 연구팀 소속 주소연 박사과정 학생, 김소연 석사가 공동 제1 저자로 참여한 이번 연구는 2024년 1월 4일 국제학술지 `ACS Applied Materials & Interfaces'에 게재됐다. 또한, 김장호 교수팀의 권용현 박사과정 학생이 공동 제1 저자로, 김장호 교수가 공동교신저자로 기여했다. (논문 제목: Piezoelectrically and Topographically Engineered Scaffolds for Accelerating Bone Regeneration).
해당 연구는 KAIST 연구진흥팀, KUSTAR-KAIST 공동연구센터, KAIST의 글로벌 특이점 사업과 정부의 재원으로 한국연구재단 기초연구사업(NRF2022M3A9E4017151, NRF-2022K1A4A7A04095892, RS2023-00247245, NRF-2021R1A4A3025206)의 지원을 받아 수행됐다.
2024.01.25 조회수 4830 -
고용량 배터리 수명 증대 영상화하다
전기자동차에서 볼 수 있는 고용량 배터리에 사용되고 있는 실리콘 활물질은 기존 음극 활물질인 흑연 대비 높은 용량 값(4200 mAh/g)을 갖고 있으나, 충전 및 방전 간 400%에 달하는 높은 부피 팽창/수축률이 배터리 수명에 악영향을 미치고 있다. 이를 해결하기 위해서 단일벽 탄소나노튜브를 소량 첨가해 수명 특성이 향상되는 결과를 얻었는데, 이런 향상이 어떻게 가능한지 나노스케일에서 영상화한 연구 결과가 공개됐다.
우리 대학 신소재공학과 홍승범 교수 연구팀이 LG에너지솔루션과 협업해 배터리의 수명 특성 향상 메커니즘 영상화 결과를 국제학술지‘에이씨에스 에너지 레터스(ACS Energy Letters, Impact Factor: 22)’에 게재했다고 19일 밝혔다. (논문명: Spatially Uniform Lithiation Enabled by Single-Walled Carbon Nanotubes)
연구팀은 이전에는 실리콘 활물질이 충·방전을 거치면서 전자 전도 네트워크가 열화되는 과정을 영상화하였는데, 이번 연구에서는 단일벽 탄소나노튜브의 존재로 인해서 그 형태를 유지하고 있는 전자전도 네트워크가 활물질 내에 균일한 충·방전이 가능하도록 기능하고 있음을 보여 수명 증대 메커니즘을 검증했다.
구체적으로 연구팀은 원자간력 현미경(Atomic Force Microscopy) 기반의 켈빈 프루브 현미경(Kelvin Probe Force Microscopy)를 이용해 1회 및 90회 충·방전 싸이클 후의 전극 내 천연흑연과 실리콘 산화물 입자에서의 표면 전위를 측정 및 영상화했다. 이를 통해 단일벽 탄소나노튜브(Single-Walled Carbon Nanotube, SW-CNT)가 첨가된 전극에서는 활물질 내 표면 전위가 균일하게 분포하고 있는 반면, 첨가되지 않은 기존 전극의 경우에는 90회 충·방전 후에 불균일한 표면전위를 보여, 전자 전도 네트워크가 제대로 기능을 발휘하지 않아 불균일한 충·방전이 됨을 연구팀은 확인했다.
이처럼 활물질 내부의 표면 전하를 영상화할 수 있는 기술은 실리콘 활물질 뿐만 아니라, 다양한 전극 시스템에 적용될 수 있으며, 향후 배터리 충전 및 방전 상태 균일성을 확인하고 수명 향상 연구로 발전할 수 있다.
이번 연구의 제1 저자인 신소재공학과 박건 연구원은 “충·방전 시 수반되는 실리콘 계열 활물질의 급격한 부피 변화에도 불구하고 가느다란 탄소나노튜브가 전자 전도 채널을 유지하고 이로 인해 전극 내에 균일한 충·방전을 가능케하는 것이 매우 신기한 일이었는데, 이를 나노스케일에서 직접 영상화해 그 역할을 미시세계에서 이해할 수 있었던 것이 큰 의미가 있다”라고 말했다. 교신 저자인 홍승범 교수는 “원자간력 현미경을 활용해서 나노스케일에서 일어나는 전기화학적인 현상을 영상화하고 이를 통해서 배터리 성능 및 수명을 향상할 수 있는 혁신적인 아이디어를 창출할 수 있게 되어 매우 기쁘다”라고 말했다.
이번 연구는 LG에너지솔루션, LG에너지솔루션-KAIST Frontier Research Lab.과 KAIST 글로벌 특이점 사업의 지원을 받아 수행됐다.
2023.09.19 조회수 4078 -
리튬이차전지 실리콘 기반 음극의 수명과 관련된 전자전도도 퇴화를 나노스케일에서 영상화 성공
고에너지 밀도를 갖는 리튬이차전지 개발에 대한 수요가 폭발적으로 증가하면서, 실리콘 기반 음극 개발에 관한 연구가 활발히 이뤄지고 있다. 실리콘 활물질은 기존 음극 활물질인 흑연 대비 높은 용량 값(4200 mAh/g)을 가지고 있어, 고에너지 밀도를 가지는 리튬이차전지용 음극의 유력한 후보로 자리 잡고 있다.
하지만 충전 및 방전 간 400%에 달하는 높은 부피 팽창/수축률이 실리콘 활물질의 상업화를 방해하고 있다. 실리콘 기반 음극의 급격한 부피 변화는 특히 전극 내 전자 전달 시스템에 큰 악영향을 미치고 있으며, 이를 보완하기 위해 다양한 도전재 시스템을 적용하는 연구가 활발히 진행 중이다. 전극 내 전자 전도 채널의 확보는, 활물질 내 균등한 전기화학 반응을 유발하기 위해 필수적이지만, 이를 나노스케일 공간 분해능을 갖고 영상화하는 방법론에 관해서는 많은 연구가 진행되지 않은 실정이다.
우리 대학 신소재공학과 홍승범 교수 연구팀이 LG에너지솔루션과 협업해, 나노스케일 분해능으로 전극 내 전자 전도 채널을 왜곡 신호 없이 정량적으로 추출하는 방법론을 개발하는 데 성공했다고 8일 밝혔다. 연구팀은 전극 소재와 같이 표면 거칠기가 큰 시료에서 전도성 원자간력현미경(Conductive Atomic Force Microscopy, C-AFM) 운용 시 발생하는 왜곡 정보인 용량성 전류(capacitive current)의 원인을 규명하고, 피어슨 상관 분석 방법을 기반으로 해당 왜곡 정보를 제거했다. 이 방법론을 실리콘/흑연 기반 복합 음극에 적용해 도전재 성분에 따른 전자 전도 채널 영상화를 실시했으며, 이를 통해 단일벽 탄소나노튜브(Signle-Walled Carbon Nano Tube, 이하 SWNCT)가 적용된 전극의 전기적, 전기화학적 우수성을 입증하는 데 성공했다.
연구팀은 이번 연구를 통해 실리콘 기반 전극과 같이 활물질의 부피 변화가 큰 시스템에서는 기존의 점형 도전재 대비 선형의 구조적 장점을 갖고 있는 SWCNT가 안정적인 전자 전도 채널을 확보하는 데 유리함을 보였다. 또한 SWCNT가 포함된 복합 전극의 경우, 130 사이클 이후에도 활물질의 분쇄가 보다 억제됐음을 보여주며, 전자 전도 채널의 불균일성이 활물질의 구조적 안정성에도 영향을 미칠 수 있음을 가설을 들어 설명했다.
제1 저자인 신소재공학과 박건 박사과정은 "전자 전도 채널 불균일이 유발한 전극의 전기화학 특성 퇴화라는 주제로 후속 연구를 진행 중이다ˮ라며 "나노스케일 영상화를 기반으로 지금껏 관찰하지 못했던 현상을 탐구할 수 있어 즐겁다ˮ라고 말했다. 교신 저자인 홍승범 교수는 "왜곡 신호의 원인을 규명하고, 이를 정량적으로 제거하는 연구는 영상화 분야에서 매우 중요하다ˮ라며 "이번에 개발한 방법론이 전극 내 전자 전도 채널을 강화하는데 적용돼, 실리콘 기반 복합 음극의 고도화를 앞당기는 데 도움이 되면 좋겠다ˮ라고 말했다.
이번 연구는 국제 학술지 `에이씨에스 어플라이드 머티리얼즈 앤드 인터페이시스(ACS Applied Materials & Interfaces)'에 게재됐다. (논문명: Nanoscale Visualization of the Electron Conduction Channel in the SiO/Graphite Composite Anode)
한편 이번 연구는 LG에너지솔루션-KAIST 프론티어 리서치 랩(Frontier Research Lab)과 KAIST 글로벌 특이점 사업의 지원을 받아 수행됐다.
2022.11.08 조회수 7543 -
인공지능 활용 고용량 배터리 소재 역설계 기술 개발
우리 대학 신소재공학과 홍승범 교수 연구팀이 우리 대학 조은애 교수, 변혜령 교수, 이혁모 교수, 신종화 교수, 육종민 교수, 그리고 미국의 르하이 대학교(Lehigh University), 죠수아 C 에이가(Joshua C. Agar) 교수와 협업해 기존 문헌에 발표된 실험값들을 추출하는 데이터 마이닝 과정과 이런 실험값들을 입력변수로 하는 다변수 선형회귀 모형을 기반으로 배터리 소재 역설계 머신러닝(기계학습) 모델을 수립했다고 23일 밝혔다.
인공지능은 고차원의 변수 공간에서 각 매개변수 간의 정량적인 상관관계를 신속하고 정확하게 추출할 수 있다. 이를 공정-구조-물성 간의 상관관계를 기반으로 발전하는 신소재공학에 적용하면 신소재 개발 시간을 단축할 수 있으며, 이런 이유로 많은 연구자가 인공지능을 신소재 개발에 활용하려고 노력하고 있다. 특히, 배터리 소재 개발에 인공지능을 활용하는 예가 가장 많은데, 주로 제1 원리 계산(양자화학에 기반한 계산법으로 계산 시 다른 경험적 수량을 전혀 사용하지 않음)과 머신러닝을 융합해 수많은 전극 소재 조합을 대량으로 스크리닝하는 기술 개발이 주를 이루고 있다.
그런데, 인공지능을 활용해서 새로운 배터리 소재를 탐색하고, 탐색한 소재를 합성 및 특성 평가에 있어 가장 큰 문제점은 데이터의 신뢰성과 양이다. 제1 원리 계산으로 예측한 값들은 실험으로 검증이 돼야 하며, 실험데이터의 경우 실험실마다 편차가 있고, 중요한 공정변수들을 공개하지 않은 경우가 많아 인공지능이 학습할 수 있는 데이터의 크기가 한정적이라는 문제가 대두되고 있다.
연구팀은 배터리 양극재 원료조성, 1차 및 2차 소결 온도와 시간 등의 공정 변수와 컷오프 전위 및 충․방전률과 같은 측정 변수, 그리고 1차 및 2차 입자의 크기와 같은 구조 변수, 마지막으로 충․방전 용량과 같은 성능 변수 간의 상관관계를 정량적으로 수립했고, 이를 활용해 요구되는 에너지 용량에 맞는 합성 조건을 찾는 알고리즘을 개발했다.
홍 교수 연구팀은 고니켈 함량 양극재 관련 논문 415편 안에 발표된 주요 변수들을 추출하고, 그중 16% 정도의 정보가 기입되지 않음을 발견했으며, 머신러닝 기법 중에서 k-최근접 이웃 알고리즘(k-nearest neighbors (KNN)), 랜덤 포레스트(random forest (RF)), 연쇄등식을 이용한 다중대치(multiple imputations by chained equations (MICE))를 활용해 빠진 정보를 예측하여 기입했다. 그리고, 가장 신뢰도가 높은 MICE를 선택해 얻은 입력 데이터 셋을 기반으로 주어진 공정 및 측정 변수에 대해서 성능 변수를 예측하는 순방향 모델을 얻었다.
이어서 입자 군집 최적화(particle swarm optimization, PSO) 알고리즘을 활용하여 주어진 성능 변수에 대응하는 공정 및 측정 변수를 추출하는 역방향 모델을 수립했고, 이 모델을 검증하기 위해 소재를 실제로 합성하여 타깃 용량인 200, 175, 150 mAh/g과 11% 정도의 오차를 보여 상당히 정확하게 역설계할 수 있음을 입증했다.
교신 저자인 홍승범 교수는 "인공지능을 활용해 대량의 논문 및 특허 내에 있는 공정-구조-물성 변수들을 자동으로 분류하고 실험값들을 추출해 각 변수 간의 다차원 상관관계를 기반으로 모델을 수립하는 것이 차세대 배터리 소재의 역설계의 핵심ˮ이라며 "향후 데이터 마이닝 기술, 머신러닝 기술 그리고 공정 자동화 기술을 융합하는 것이 미래의 신소재공학ˮ이라고 말했다.
신소재공학과 치 하오 리오우(Chi Hao Liow) 박사가 제1 저자로 참여한 이번 연구는 국제 학술지 `나노에너지(Nano Energy)'에 게재됐다. (논문명: Machine learning assisted synthesis of lithium-ion batteries cathode materials)
한편 이번 연구는 KAIST 글로벌 특이점 사업의 지원을 받아 수행됐다.
2022.08.23 조회수 6965 -
리튬이온전지 충방전 과정을 나노스케일에서 영상화 성공
리튬이온전지는 스마트폰과 전기차 그리고 드론을 비롯한 각종 이동 수단에 필수적인 에너지 저장 매체로 사용되고 있다. 기후변화와 코로나 팬데믹이 키워드가 되는 시대가 도래하면서 급증하는 수요에 대응하기 위해 리튬이온전지의 에너지 용량, 충전 속도 등의 전기화학적 특성을 향상하려는 연구들이 이뤄지고 있지만, 기존의 전기화학 특성 평가 방법으로는 나노미터 수준의 미시세계에서 벌어지고 있는 현상들을 이해하기 어렵다. 따라서, 전기화학 특성에 대한 통합적인 이해를 위해 나노스케일 수준에서 리튬이온의 농도 및 전기전도도 분석 기술의 개발은 필수적이다.
우리 대학 신소재공학과 홍승범 교수 연구팀이 독일의 아헨공과대학교 플로리안 하우센(Florian Hausen) 교수와 독일 뮌스터 대학교 카린 클라이너(Karin Kleiner) 교수와 협업하여 고용량 리튬이온배터리를 충‧방전할 때 리튬이온이 움직이는 모습과 그로 인해서 전자들이 움직이는 전도 경로 그리고 격자들의 움직임을 원자간력 현미경과 엑스레이 회절 및 흡수 패턴을 분석해 영상화하는 데 성공했다고 28일 밝혔다.
홍 교수 연구팀은 원자간력 현미경의 모드 중에서 전기화학적 변형 현미경(Electrochemical Strain Microscopy, 이하 ESM)과 전도성 원자간력 현미경(Conductive Atomic Force Microscopy, 이하 C-AFM)을 활용해, 친환경차 배터리에 적용되는 고용량 양극재인 NCM622 시료의 충방전상태(State of Charge, SOC)에 따른 리튬이온의 나노스케일 분포도를 영상화했으며, 이를 근단엑스선형광분광계(Near Edge X-ray Absorption Fluorescence Spectroscopy, NEXAFS)와 엑스선회절패턴(X-ray Diffraction Pattern, XRD pattern)과 비교 분석해 리튬이온이 양극재에 확산하여 들어갈 때 산소팔면체에 들어가면서 니켈과 산소의 결합이 이온 결합에서 공유결합으로 바뀌면서 전기전도도가 낮아지는 현상을 검증하고, 이를 ESM, C-AFM 영상과 비교하면서 상당한 상관관계가 있음을 밝혀냈다.
교신 저자인 홍승범 교수는 "배터리 소재 내에서 리튬이온의 확산을 영상화하고 이를 통해서 일어나는 현상들을 다중스케일에서 이해하는 것은 향후 신뢰성이 높고 수명이 긴 고속 충‧방전 배터리 소재를 디자인하는 데 있어 매우 중요하다ˮ라며 "향후 신소재 영상화 기술과 머신러닝 기술을 융합하는 것이 20년 걸리던 배터리 소재 개발기간을 5년 이내로 단축할 수 있을 것이다ˮ 라고 말했다.
신소재공학과 알비나 제티바예바(Albina Jetybayeva) 연구원이 제1 저자로 참여한 이번 연구는 국제 학술지 `ACS 어플라이드 에너지 머티리얼스 (ACS Applied Energy Materials)'에 게재됐다. (논문명: Unraveling the State of Charge-Dependent Electronic and Ionic Structure−Property Relationships in NCM622 Cells by Multiscale Characterization)
이번 연구는 KAIST 글로벌 특이점 사업과 한국연구재단의 거대과학연구개발사업의 지원을 받아 수행됐다.
2022.04.29 조회수 9391 -
신소재 데이터 고속 분석을 위한 인공지능 훈련 방법론 개발
우리 대학 신소재공학과 홍승범 교수 연구팀이 시뮬레이션을 기반으로 한 신소재 데이터 분석을 위한 인공지능을 개발했다고 24일 밝혔다.
최근 컴퓨팅 파워가 기하급수적으로 증가함에 따라 인공지능을 활용한 다양한 응용들이 실생활에 활용되고 있으며, 이에 인공지능을 활용해 신소재 데이터를 고속으로 분석하고 소재를 역설계하는 기술의 연구 역시 가속화되고 있다.
최근 인공지능의 효율 및 정확도를 증가시키는 연구를 바탕으로 자율주행 자동차, 데이터베이스 기반의 마케팅 및 물류 시스템 보조 등의 분야에 인공지능의 활용이 높아지고 있다. 특히 신소재 개발에 장시간이 소요되는 점을 고려할 때, 소재 및 공정 개발에 인공지능을 활용해 다양한 구조 및 물성 데이터 사이의 상관관계를 빠르게 분석해 신소재 개발 소요 시간을 획기적으로 줄일 수 있는 인공지능 방법론이 주목을 받고 있다.
그러나 신소재 데이터의 경우, 대량의 유의미한 실험 데이터를 구하기 어렵고 기업들이 중요한 데이터는 대외비로 취급하고 있어서 인공지능을 소재 데이터 영역에 적용하는 것이 상당히 어려운 것이 현실이다. 이런 데이터의 다양성, 크기 및 접근성 문제가 해결돼야 하며, 이를 보완하기 위해 생성 모델 및 적절한 데이터의 합성에 관한 연구가 진행되고 있다. 인공지능의 성능 향상을 위해 생성되는 데이터 또한 실제 소재가 가지는 물리적 제약을 따라야 하며, 소재 데이터의 재료적 특징을 파악할 수 있는 기술이 필요하다.
홍승범 교수 연구팀이 이번에 개발한 인공지능 훈련 방법론은 훈련을 위해 생성되는 데이터가 물리적 제약을 공유하도록 위상 필드 시뮬레이션을 활용해 기초 데이터를 형성하고 소재 데이터가 가지고 있는 실제 측정 과정에서 발생하는 다양한 잡음, 입자의 분포 정보 및 입자의 경계를 모사해 크기가 작은 소재 데이터의 한계를 해결했다. 기존에 수작업으로 작성한 소재 데이터를 활용한 인공지능과의 상 분리 성능을 비교했으며, 생성된 데이터의 모사 요소가 상 분리에 영향을 미치는 영향을 파악했다.
아울러 이번 연구에서 제시하는 소재 데이터 생성을 활용한 인공지능 훈련 방법은 기존의 수작업으로 훈련 데이터를 준비하는 시간을 크게 단축할 수 있으며, 인공지능의 전이 학습 및 다양한 물리적 제약을 바탕으로 하는 위상 필드 시뮬레이션 활용을 바탕으로 다양한 소재 데이터에 빠르게 적용할 수 있는 장점이 있다.
홍승범 교수는 "인공지능은 분야를 막론하고 다양한 영역에서 활용되고 있으며, 소재 분야 역시 인공지능의 도움을 바탕으로 신소재 개발을 더욱 빠르게 완료할 수 있는 세상을 맞이할 것이다ˮ라며, "이번 연구 내용을 신소재 개발에 바로 적용하기에는 데이터 합성 측면에서의 여전히 보강이 필요하지만, 소재 데이터 활용에 큰 문제가 됐던 훈련 데이터를 준비하는 긴 시간을 단축해 소재 데이터의 고속 분석 가능성을 연 것에 연구의 의의가 있다ˮ고 말했다.
신소재공학과 염지원 연구원, 노스웨스턴(Northwestern) 대학의 티베리우 스탄(Tiberiu Stan) 박사가 공동 제1 저자로 참여한 이번 연구는 노스웨스턴 대학의 피터 부리스(Peter Voorhees) 교수 연구실과 함께 진행됐으며 연구 결과는 국제 학술지 `악타 머터리얼리아(Acta Materialia)'에 게재됐다. (논문명: Segmentation of experimental datasets via convolutional neural networks on phase field simulations)
한편 이번 연구는 KAIST 글로벌특이점 연구 지원으로 수행됐다.
2021.08.24 조회수 8576 -
고체 전해질 내부 나노 단위 영상화 성공
오늘날 리튬이온전지는 휴대용 전자 장비와 전기차를 비롯한 각종 이동 수단에 필수적인 에너지 저장 매체로 사용되고 있다. 폭발적인 수요에 발맞춰 리튬이온전지의 에너지 용량, 충전 속도 등의 전기화학적 특성을 향상하려는 연구들이 가속화되고 있다.
그러나 기존의 전기화학 특성 평가 방법은 소재 혹은 소자 특성의 평균값을 측정하는 것에 집중되어 있기에, 나노미터 수준의 미시세계에서 벌어지고 있는 현상들을 이해하기에는 충분하지 않다. 따라서 전기화학 특성에 대한 통합적인 이해를 위해 미시적 수준에서 공간 분해능을 가진 분석 기술의 개발은 필수적이다.
우리 대학 신소재공학과 홍승범 교수 연구팀이 원자간력 현미경(Atomic force microscope, AFM)의 한 모드인 전기화학 변위 현미경(Electrochemical strain microscopy, ESM)을 이용해 리튬이온전지 소재 내부의 이온 이동 특성을 나노미터 수준에서 정량적으로 측정하는 방법을 개발했다고 13일 밝혔다.
전기화학 변위 현미경은 나노 크기의 탐침에 전압을 가했을 때, 이온의 이동이 유발하는 시료 표면의 변형(displacement)을 측정하는 기술로서 이 변형을 발생시킨 이온의 양과 이온의 이동도 등을 간접적으로 측정할 수 있게 도와주는 기술이다.
홍 교수 연구팀은 비행시간형 2차 이온 질량 분석법(Time-of-flight secondary ion mass spectroscopy, ToF-SIMS)과 유도결합 플라즈마 분광분석기(Inductively coupled plasma optical emission spectrometer, ICP-OES)를 이용해 고체 전해질 시료의 깊이에 따른 이온 분포를 정량적으로 계산하고, 전기화학 변위 현미경 결과와의 캘리브레이션(calibration, 계측기 등의 눈금을 표준기 등을 사용해 바로잡는 일)에 성공했다.
이후, 연구진에 의해 고안된 직류 전압 펄스(pulse)를 시료의 깊이에 따라 가했으며, 전기장에 의해 표면으로 이동했다가 다시 내부 쪽으로 확산하는 이온을 전기화학 변위 현미경으로 영상화했다. 특히, 해당 펄스를 설계하는 과정에서 기존 전기화학 변위 현미경 사용에 대한 오류를 지적하고, 개선된 사용 방법에 대해 안내했다. 그 결과, 연구팀은 시간 및 거리의 함수로 이온의 이동 과정을 영상화하는 데 성공했으며, 이 결과를 이용해 깊이 및 이온의 농도에 따라 변화하는 확산계수 값을 정량적으로 보여줬다.
홍승범 교수는 "이온의 움직임을 나노미터 수준에서 정량적으로 관찰할 수 있는 방법론이 다양한 이온 거동의 메커니즘을 규명하는데 기여할 것ˮ이라며, "추후 다양한 실제 소자 구동 환경을 모사한 상태에서 이번 방법론을 적용하는 후속 연구를 진행할 것ˮ이라고 설명했다.
우리 대학 신소재공학과 박건 박사과정이 제1 저자로 참여한 이번 연구는 국제 학술지 ACS 어플라이드 에너지 머티리얼스(ACS Applied Energy Materials)에 게재됐다. (논문명: Quantitative Measurement of Li-Ion Concentration and Diffusivity in Solid-State Electrolyte)
한편 이번 연구는 과학기술정보통신부·한국연구재단 거대과학연구개발사업 및 KAIST 글로벌특이점연구 지원으로 수행됐다.
2021.04.13 조회수 60828 -
신소재 영상화 및 머신러닝을 활용한 미래 개척
우리 대학 신소재공학과 홍승범 교수 연구팀이 KAIST 10대 플래그쉽 분야이자, 글로벌 특이점 과제인 `KAIST 신소재 혁명: M3I3 이니셔티브' 과제의 배경, 역사, 진행 상황 그리고 미래 방향을 제시했다고 31일 밝혔다.
홍 교수 연구팀은 다중스케일 다중모드 영상화 기술과 머신러닝(기계학습) 기법을 융합해서 고차원의 구조-물성 및 공정-구조 상관관계를 도출했다. 그리고 이를 인공지능과 3차원 다중 스케일 프린팅 기술을 활용해서 신소재 디자인부터 시장 진입까지의 기간을 획기적으로 단축할 수 있는 비전과 실행 플랫폼을 제안했다. M3I3 플랫폼은 고용량 에너지 소재 디자인에서 시작해서, 고밀도 메모리 소재, 고성능 자동차/항공 소재에도 응용 가능할 것으로 기대된다.
우리 대학 신소재공학과 홍승범 교수가 제1 저자로, 리오치하오 박사가 제2 저자로 참여하고, 육종민 교수, 변혜령 교수, 양용수 교수, 조은애 교수, 최벽파 교수, 이혁모 교수가 공동 저자로 참여한 이번 연구는 국제 학술지 `에이씨에스 나노(ACS Nano)' 2월 12일 字 온라인 출판됐다. (논문명 : Reducing Time to Discovery: Materials and Molecular Modeling, Imaging, Informatics, and Integration)
역사의 큰 흐름을 결정한 신소재는 시행착오와 도제식의 비결 전수를 통해서 발견 및 개발돼왔다. 각종 무기와 그릇, 그리고 장신구들이 좋은 예다. 광학현미경이 발명되면서 검의 미세구조와 검의 강도 혹은 경도 간의 상관관계를 이해하기 시작했고, 투과전자현미경과 원자간력 현미경의 발명으로 원자 수준의 분해능으로 신소재를 영상화하기 시작했다.
고려청자를 현재 재현하지 못하는 것은 고려 시대의 장인들이 그 비결을 남기지 않았기 때문이라고 우리는 가르치고 있다. 그러나, 미래에는 고려청자의 다중 스케일 구조를 영상화해서 데이터화 하고, 구조를 구현할 수 있는 공정 과정을 머신러닝의 힘을 빌려 역설계한다면, 고려청자를 재현하는 일은 가능할 것으로 보인다.
우리 대학 M3I3 플랫폼은 이처럼 다중 스케일 및 다중 모드 영상화 기술, 데이터 마이닝과 머신러닝, 그리고 다중 스케일 제조 기술을 접목해 미래에 필요한 신소재를 역설계해서 빠르게 공정 레시피를 확보할 수 있게 만들어준다.
이번 논문에서는 M3I3 플랫폼의 유효성을 확인하기 위해 배터리 소재에 적용하는 연구를 진행했다. 고용량 배터리 소재의 개발 기간을 단축할 수 있다는 것을 검증하기 위해서 20년간의 논문 자료를 50여 명의 학생이 읽고 데이터를 추출해 양극재의 에너지 밀도와 소재 조성 간의 상관관계를 도출했다. 그리고 논문에 나와 있는 공정, 측정 및 구조 변수들을 머신러닝 기법을 활용해 모델을 수립한 후, 무작위 조건에서 합성해 모델의 정확도를 측정함으로써 데이터 마이닝과 머신러닝의 우수성을 입증했다.
또한 투과전자현미경(TEM), 주사투과전자현미경(STEM), 원자간력현미경(AFM), 광학현미경 등의 다양한 현미경과 엑스레이(X-ray), 라만(Raman), UV/Visible/IR 등 다양한 분광 장비들을 통해 얻은 영상과 스펙트럼 데이터를 기반으로 다중 스케일 구조↔물성 상관관계를 도출하고, 여러 가지 공정변수 데이터를 수집해, 공정↔구조 상관관계를 수립하는 것이 M3I3 플랫폼의 중요한 핵심이다. 특히, 실험데이터와 시뮬레이션 데이터를 융합하고, 머신러닝으로 생성한 가상의 데이터를 과학적인 기준에 맞춰 유의미한 빅데이터로 만들면, 머신러닝을 활용해 물성→구조→공정으로 연결되는 역설계 알고리즘을 개발하는 것이 가능해지며, 이를 통해 미래에 필요한 물성을 갖는 신소재 공정 레시피를 신속하게 확보할 수 있게 된다.
제1 저자인 홍승범 교수는 "과학은 날카로운 관찰과 정량적 측정에서 시작한 학문이며, 기술의 발전으로 현재는 눈에 보이는 소재의 모양과 구조뿐만 아니라 눈에 보이지 않는 소재의 구조를 볼 수 있는 시대가 왔고, 물성마저 공간과 시간의 함수로 영상화할 수 있는 시대가 도래했다ˮ라며 "신소재 영상화 기술과 머신러닝 기술을 융합하고 3D 프린팅 기술을 다중 스케일 자동 합성 기술로 승화시키게 되면 20년 걸리던 신소재 개발 기간을 5년 이내로 단축할 수 있을 것이다ˮ 라고 말했다.
한편, 이번 연구는 글로벌 특이점 사업의 지원을 받아 수행됐다.
2021.04.01 조회수 89555 -
촉각 증강을 위한 고탄성 압전 세라믹 신소재 개발
언택트(비대면) 시대를 맞아 가상현실(VR)과 증강현실(AR) 기술을 통한 소통의 필요성이 증가함에 따라 인간의 오감(五感, five senses)을 전자기기를 통해 구현 및 측정하는 기술의 연구 역시 가속화되고 있다.
우리 대학 신소재공학과 홍승범 교수 연구팀이 촉감이나 촉각 증강기술에 활용이 가능하도록 3D 나노 구조체를 활용해 탄성 변형률이 3배로 향상된 압전 세라믹 소재를 개발했다고 2일 밝혔다.
전자기기와 상호작용하는 기술에 관한 사람들의 관심이 꾸준히 높아지는 추세를 감안한다면 특히 인간의 일반적인 자극인지 방식을 고려할 때, 사용자에게 2개 이상의 복합 감각이 제공되면 전자기기와 더욱 자연스럽게 상호작용을 할 수 있다. 따라서 최근 들어 시각 및 청각보다 상대적으로 발전이 더딘 촉감 구현 및 증강 기술이 주목을 받고 있다.
촉각 증강 기술은 의료용 로봇을 주축으로 한 로봇 기술뿐만 아니라 촉각을 통해 정보를 전달하는 햅틱 디스플레이, 햅틱 장갑 등 정보 전달 기술에 활용할 수 있다. 이러한 촉각 증강 분야에서는 전기적-기계적 결합이 있는 압전 재료의 활용이 필수적이다.
압전 재료는 전기적 에너지를 기계적 에너지로 변환하거나 기계적 에너지를 전기적 에너지로 변환할 수 있는 소재로서 촉각 증강 분야에서 사용자에게 촉각을 전달하거나 사용자의 움직임을 전기적 신호로 변형시키는데 적합한 소재다.
촉각 증강 소재로 활용하기 위한 압전 재료의 중요한 특징은 압전 계수와 탄성 변형률이다. 압전 계수는 기계적 힘과 전기적 전하량 간의 변환 효율을 나타내는 수치로써 촉각 증강 장치의 감도에 영향을 준다. 또 탄성 변형률은 소재가 가질 수 있는 기계적 변형 한계를 나타내는 수치인데 소재 및 장치가 가지는 유연성에 영향을 준다. 따라서 촉각 증강 기술로 활용하기 위해서는 압전 계수와 탄성 변형률 모두가 높은 압전 소재를 개발하는 것이 필수적이다.
하지만 압전 세라믹 소재의 경우 압전 계수는 높으나 탄성 변형률이 낮고, 고분자 소재는 탄성 변형률은 높으나 압전 계수가 낮아 하나의 소재에서 높은 압전 계수와 탄성 변형률을 모두 얻기는 힘들다. 특히 세라믹 소재는 상대적으로 높은 압전 계수에도 불구하고 소재 내부의 결함으로 인해 탄성 변형률을 높이기가 어려워 아직 실용화 단계까지는 이르지 못하고 있다.
홍 교수 연구팀은 문제해결을 위해 근접장 나노 패터닝(Proximity field nanopatterning, PnP) 기술 및 원자층 증착(Atomic layer deposition, ALD) 기술을 이용해 3차원 나노 트러스(truss) 구조를 갖는 산화물 아연 (ZnO) 세라믹을 제작했다. 또 나노 인덴테이션 (Nano-indentation) 기술과 압전 감응 힘 현미경(Piezoelectric force microscopy, PFM) 기술을 이용, 제작된 구조체의 높은 기계적 특성과 압전 특성을 입증하는데 성공했다.
홍 교수팀이 개발한 압전 아연 산화물 구조체는 100 나노미터(nm) 이하의 두께를 가지면서 내부가 비어있는 트러스 구조체다. 기존 세라믹이 보유하고 있는 내부 결함의 크기를 나노미터 단위로 제한해 재료의 기계적 강도를 증가시켰다. 이 아연 산화물 트러스 구조체의 탄성 변형률은 10% 수준으로 기존 아연 산화물 대비 3배나 더 큰 것으로 나타났으며 압전 계수 역시 9.2 pm/V로 박막 형태의 아연 산화물보다 2배 이상 더 큰 값을 나타냈다.
특히 홍 교수팀이 개발한 이 구조체의 탄성 변형률 증가는 아연 산화물 외에도 다양한 압전 세라믹 소재에 적용할 수 있기에 향후 촉각 증강 기술에서 매우 중요한 유연한 센서와 액추에이터에 압전 세라믹을 활용할 수 있는 새로운 방법으로 사용할 수 있을 것으로 기대된다.
홍승범 교수는 "언택트 시대의 도래로 감성 소통의 중요성이 증가하고 있는데 시각, 청각에 이어 촉각 구현 기술의 발전을 통해 인류는 장소와 관계없이 누구와도 소통할 수 있는 새로운 세상을 맞이할 것ˮ이라고 전망했다. 홍 교수는 이어 "이번 연구 결과를 촉각 증강 소자에 바로 적용하기에는 공정적인 측면에서 다소 보강작업이 필요하지만, 소재 활용에 큰 문제가 됐던 기계적 한계를 극복해 압전 세라믹 소자로의 응용 가능성을 연 것ˮ이라고 이번 연구에 대한 의미를 부여했다.
우리 대학 신소재공학과 김훈 박사과정, 윤석중 박사과정, 김기선 박사가 공동 제1 저자로 참여한 이번 연구는 신소재공학과 전석우 교수와 한승민 교수 연구팀과 함께 진행됐으며 연구 결과는 국제 학술지 `나노 에너지(Nano Energy)'에 게재됐다. (논문명: Breaking the Elastic Limit of Piezoelectric Ceramics using Nanostructures: A Case Study using ZnO)
한편 이번 연구는 과학기술정보통신부·한국연구재단 지원 웨어러블 플랫폼 소재 기술센터 지원과 미래소재 디스커버리 지원, 그리고 기초연구 지원 및 KAIST 글로벌특이점 연구 지원으로 수행됐다.
2020.12.02 조회수 39430