고분자 전해질 수송 특성 예측

차세대 리튬 배터리용 비정질 고분자 전해질은 기존 액체 전해질 대비 안전성과 기계적 안정성이 우수하나, 이온 전도도 및 확산도 등 수송 특성 예측은 고분자 구조, 화학, 이온 역학 간의 복잡한 상호작용으로 인해 난제로 남아있습니다. 본 연구는 이러한 문제를 해결하고자 머신러닝을 활용하여 비정질 고분자 전해질의 핵심 수송 특성 네 가지(이온 전도도, TFSI 확산도, 리튬 이온 확산도, 고분자 확산도)를 예측했습니다. 6,000개 이상의 고분자 전해질 시스템 분자 동역학 데이터셋을 기반으로, SMILES 표현에서 원소 조성, 작용기 밀도, 극성, 고분자 유연성 등 화학적·구조적 의미를 갖는 특징들을 추출했습니다. 랜덤 포레스트, 그래디언트 부스팅, 신경망의 세 가지 모델링 프레임워크를 5겹 교차 검증으로 학습 및 평가했습니다. 신경망 모델은 모든 예측 목표에서 가장 높은 성능을 달성했으며, 세 가지 목표에서는 기존 벤치마크를 능가했습니다. 또한, 트리 기반 모델보다 데이터 분할에 대한 견고성이 뛰어났습니다. 특징 중요도 분석 결과, 고분자 골격 유연성, 극성, 이온 환경이 수송 거동을 지배하는 주요 요인으로 밝혀졌습니다. 특히, 1차 및 2차 아민과 카르복실레이트 그룹이 리튬 이온 이동성에 부정적인 영향을 미치는 것으로 확인되었습니다. 이 연구는 화학적으로 정보화된 구조적 설명자가 전해질 성능을 효과적으로 예측할 뿐만 아니라, 메커니즘적 통찰력을 제공함을 입증합니다.