[논문 리뷰] Optimization of heterogeneous ternary Li3PO4-Li3BO3-Li2SO4 mixture for Li-ion conductivity by machine learning

Kenji Homma, Yu Liu외 6명|arXiv (Cornell University)|2019. 11. 28.

Machine Learning in Materials Science참고 문헌 11인용 수 6

한 줄 요약

이 연구는 리튬 인산리튬(Li3PO4), 리튬 붕산리튬(Li3BO3), 리튬 황산리튬(Li2SO4)으로 구성된 이종성 삼성분 고체 전도체에 기계학습을 적용하여 300 °C에서 최대 리튬 이온 전도도 4.9 × 10⁻⁴ S/cm를 달성하였다. 최적 조성은 리튬 인산리튬:리튬 붕산리튬:리튬 황산리튬 = 25:14:61 (몰%)이며, 전도도 향상은 다수의 공존하는 상 간 상호작용에 기인한다.

ABSTRACT

Mixing heterogeneous Li-ion conductive materials is one of potential ways to enhance the Li-ion conductivity more than that of the parent materials. However, the development of the mixtures had not exhibited significant progress because it is a formidable task to cover the vast possible composition of the parent materials using traditional ways. Here, we introduce a fashion based on machine learning to optimize the composition ratio of ternary Li3PO4-Li3BO3-Li2SO4 mixture for its Li-ion conductivity. According to our results, the optimum composition of the ternary mixture system is 25:14:61 (Li3PO4: Li3BO3: Li2SO4 in mol%), whose Li-ion conductivity is measured as 4.9 x 10E-4 S/cm at 300 °C. Our X-ray structure analysis indicates that Li-ion conductivity in the mixing systems is enhanced by virtue of the coexistence of two or more phases. Although the mechanism enhancing Li-ion conductivity is not simple, our results demonstrate the effectiveness of machine learning for the development of materials.

연구 동기 및 목표

• 복잡한 고체 전도체 혼합물 최적화에 있어 전통적인 시도-오류 방법의 한계를 극복하기 위해.
• 향상된 리튬 이온 전도도를 위한 삼성분 리튬 인산리튬-리튬 붕산리튬-리튬 황산리튬 시스템의 최적 조성 비율을 규명하기 위해.
• 기계학습이 고체전지용 신소재 발견을 가속화하는 데 효과적임을 입증하기 위해.
• 다상 혼합물에서 전도도 향상 배경이 되는 구조적 및 전도 메커니즘을 이해하기 위해.

제안 방법

• 기계학습 모델은 리튬 인산리튬, 리튬 붕산리튬, 리튬 황산리튬의 다양한 조성 비율에서의 리튬 이온 전도도 실험 데이터를 기반으로 학습되었다.
• 모델은 전체 삼성분 조성 공간의 전도도 값을 예측하여 전통적 샘플링을 초월한 효율적 탐색을 가능하게 하였다.
• 후보 조성의 이온 전도도를 측정하기 위해 300 °C에서 실험적 검증이 수행되었다.
• X선 회절 분석을 통해 최적화된 혼합물에 다수의 결정상 존재를 확인하였다.
• 모델은 높은 예측 전도도를 보이는 조성을 우선순위에 두어 시행 횟수를 감소시켰다.
• 예측 모델링과 구조적 특성 분석을 융합하여 미세구조와 이온 이동 간의 연관성을 규명하였다.

실험 결과

연구 질문

• RQ1 리튬 인산리튬-리튬 붕산리튬-리튬 황산리튬 삼성분 시스템의 최적 조성 비율은 무엇이며, 이는 리튬 이온 전도도를 최대화하는가?
• RQ2 다양한 상의 공존이 이종성 고체 전도체에서 이온 전도도에 어떤 영향을 미치는가?
• RQ3 기계학습은 다성분 고체 전도체의 광범위한 조성 공간을 효과적으로 탐색하여 고성능 후보를 식별할 수 있는가?
• RQ4 다상 혼합물에서 향상된 리튬 이온 이동과 관련된 구조적 특징은 무엇인가?

주요 결과

• 최대 리튬 이온 전도도를 위한 최적 조성은 리튬 인산리튬:리튬 붕산리튬:리튬 황산리튬 = 25:14:61 (몰%)이다.
• 최적 조성에서 측정된 리튬 이온 전도도는 300 °C에서 4.9 × 10⁻⁴ S/cm이다.
• 향상된 전도도는 다수의 결정상 공존에 기인하며, 리튬 이온(Li⁺)의 퍼진 경로를 형성할 가능성이 있다.
• X선 회절 분석을 통해 명백한 상 존재가 확인되어, 상 이질성이 전도도 향상에 기여하는 것으로 지지된다.
• 기계학습 접근법은 최소한의 실험 시행으로도 고성능 조성을 성공적으로 식별하였다.
• 이러한 혼합물에서 전도도 향상은 단순한 덧셈 효과가 아니라, 복잡한 인터페이스 및 구조적 효과에 기인함을 입증하였다.