국내 연구진이 가상공간활용과 AI(인공지능)을 기반으로 하는 연료전지 핵심 소재 분석 기술을 개발했다.
19일 한국에너지기술연구원은 수소실증연구센터 정치영 박사 연구진이 가상 공간 활용 기술과 인공지능 학습을 활용해 연료전지 핵심 소재인 카본 섬유지의 미세구조를 기존보다 100배 빠른 속도로 분석하는 데 성공했다고 밝혔다.
카본 섬유지는 탄소 섬유, 바인더(접착제), 코팅제 등으로 만든 소재로, 연료전지 스택에서 물 배출과 연료 공급을 돕는다. 문제는 사용할수록 물질의 배열, 구조, 코팅 상태 등이 변해 연료전지의 성능을 저하시킨다.
이런 이유로 카본 섬유지의 미세구조 분석은 연료전지의 상태 진단을 위한 필수 요소이나 정확한 분석결과를 확보하기 위해서는 카본 섬유지 샘플을 파손한 후 전자현미경을 이용해 정밀 분석하는 절차가 필요하기 때문에 사실상 불가능하다.
연구진은 카본 섬유지 샘플 200여 개에서 5,000장의 이미지를 추출해 머신러닝 알고리즘에 학습시켰다. 이를 통해 학습된 모델은 탄소 섬유, 바인더, 코팅제 등 카본 섬유지 구성 성분의 3차원 분포와 배치를 98% 이상의 높은 정확도로 예측했다.
이를 활용하면 초기 상태의 카본 섬유지와 현재 상태의 구성 변화를 확인할 수 있어 성능 저하의 원인을 즉시 파악할 수 있다.
카본 섬유지 샘플을 파쇄하고 전자현미경을 활용하는 기존 분석 방식의 경우 최소 2시간의 시간이 소요된다. 반면 연구진이 개발한 분석 모델을 활용하면 X선 단층촬영 장비 하나만으로도 수십 초 이내에 카본 섬유지의 열화, 손상 부위와 정도를 파악할 수 있다.
이외에도 연구진은 개발된 모델의 데이터를 활용해 카본 섬유지의 두께, 바인더 함량 등 설계 인자가 연료전지 성능에 어떠한 영향을 미치는지 체계적으로 규명했다. 또, 최적의 설계 인자를 추출해 연료전지의 효율을 향상시키기 위한 이상적인 설계안을 제시했다.