다 쓴 배터리의 건강 상태(SOH·State-of-Health)를 진단하고 재활용 여부를 쉽게 판단할 수 있는 기술이 개발됐다. 울산과학기술원(UNIST)은 에너지화학공학과 김동혁, 최윤석 교수팀과 탄소중립대학원 임한권 교수팀은 컴퓨터가 독립적으로 훈련하는 딥러닝을 기반으로 배터리 상태를 진단할 수 있는 시스템(DeepSUGAR)을 개발했다고 8일 밝혔다.

연구팀은 학습을 통해 새로운 창작물을 만드는 생성형 인공지능 기술 '생성형 대립 신경망'(GAN)과 효과적으로 이미지를 처리할 수 있는 '합성곱 신경망'(CNN)을 결합했다. 이 시스템은 리튬 배터리를 충·방전시킬 때 얻은 전압, 전류, 용량 데이터를 빛의 삼원색 값으로 변환해 이미지화한다. 이를 통한 딥러닝 모델을 활용해 배터리 건강 상태를 예측한다.

모듈, 팩 등 배터리 구성에 상관없이 적용할 수 있어 기존 배터리 진단 방법과는 차별화된다고 연구팀은 설명했다. 특히 이 시스템은 배터리 부품인 모듈의 충·방전 데이터까지 뽑아낼 수 있어 배터리를 분해하거나 실제 충·방전 테스트 없이도 내부 모듈의 재활용 여부를 판단할 수 있다.

제1저자인 박서정 석박사통합과정연구원은 "시스템을 통해 배터리 재활용 절차를 간소화시킬 수 있었다"며 "기기 종류에 국한되지 않고 범용적으로 적용할 수 있어 배터리 재활용 분야에 크게 기여할 수 있을 것으로 기대한다"고 말했다.

또 공동 제1저자인 임동준 석박사통합과정연구원은 "배터리 재활용 분야뿐 아니라 실생활에서도 배터리 팩 진단을 통해 내부 모듈의 건강 상태를 예측할 수 있다"며 "성능이 저하된 모듈만 교체할 수 있어 향후 다양한 분야에서 친환경 에너지를 실현하는 데 도움이 될 것"이라고 말했다.

연구 결과는 국제 학술지 '재료화학 A'(Journal of Materials Chemistry A)에 10월 17일 온라인으로 게재됐고, 11월호 표지 논문으로 선정됐다.

연구는 UNIST 탄소중립실증화센터, 과학기술정보통신부 바이오·의료기술개발사업, 산업통상자원부 한국산업기술평가관리원의 지원을 받아 이뤄졌다.