에너지 혁신 가속을 위한 AI의 역할

▶ AI는 최적의 분자·소재·촉매 후보 탐색 시 시간 및 성공 가능성 측면에서 효율화하여, 실패확률과 기간을 크게 줄여주는 동시에, 탐색한 결과의 제조·스케일업 단계에서 에너지 사용 최적화 방안을 제시함. 

 

▶ 배터리 제조 분야에서는 소재탐색 및 시험, 성능예측, 생산 최적화, 배터리 관리 시스템 최적화, 수명종료 (end-of-life) 관리 등 배터리 제조 전과정에서 이미 AI를 활용 중이며, 특히 HTE(high-throughput experimentation)와 셀프 드라이빙랩(selfdriving laboratories)이 결합된 AI 주도 접근방식을 통해 타임라인을 획기적으로 단축할 수 있는 잠재력을 갖고 있음. 

 

▶ 합성연료 제조 분야에서는 피셔트롭슈(FischerTropsch, FT) 공정에서 선택성(selectivity)과 전환율 (conversion)의 최적 균형을 갖는 촉매(catalyst) 탐색 시, AI 활용을 통해 데이터의 생성과 신소재 제안을 함께 추진할 수 있음. 

 

▶ 탄소 포집 소재 개발 분야에서는 선택성(selectivity)과 흡착강도(attraction) 등의 상충되는 기능 요소 사이에서 균형을 갖는 신소재 탐색 시, AI를 활용하여 최적 후보 소재 탐색의 효율성을 획기적으로 제고시킬 수 있음. 

 

▶ AI 활용 효과의 잠재력 제고를 위해서는 관련 산업 분야의 데이터 구축이 필요하며, 이 과정에서 공공 투자를 통해 데이터 생성, 연구 컨소시엄, 오픈소스 데이터 큐레이션을 뒷받침할 필요가 있음.  중략

 

원문출처: 에너지경제연구원 KEEi