교육연구단 사업성과

• 논 문 저 자 : Michael J. Lee, Junghun Han, Kyungbin Lee, Young Jun Lee, Byoung Gak Kim, Kyu-Nam Jung, Bumjoon J. Kim*(교신저자), Seung Woo Lee*

• 논   문   명 : Elastomeric Electrolytes for High-Energy Solid-State Lithium Batteries

• 게재학술지 : Nature, 601, 217-222 (2022.01)

• 우   수   성 : IF : 69.504, Q-value : Q1, “국내외 언론 보도”

본 연구는 매우 높은 이온 전도성과 높은 기계적 내구성을 모두 확보한 PCEE (plastic crystal-embedded elastomer)라는 새로운 기념의 고분자 기반 고체 전해질에 대한 것이다. 전고체 리튬금속 전지(all-solid-state Li-metal battery)는 이차전지에 사용되는 휘발성이 높은 액체 전해질을 고체로 대체한 것으로, 높은 안정성뿐 아니라 원료가 매우 싸고, 저온 대량생산 공정, 가벼움의 장점을 갖고 있다. 다만, 상온에서 낮은 이온전도도를 가지는 문제점이 있으며, 전지 충‧방전 시 안정성이 떨어진다. 이번 연구를 통해 신축성이 탁월한 엘라스토머 내부에 리튬 이온전도도가 매우 높은 플라스틱 결정 물질을 3차원적으로 연결한 엘라스토머 고분자 고체 전해질을 개발하였다. 새롭게 개발한 고체 전해질은 기존의 폴리에틸렌옥사이드(PEO) 기반의 고분자 전해질에 비해 100배 정도 향상된 10-3 S/cm의 이온전도도를 가지며, 고무처럼 신축성이 우수하여 전지 충‧방전 시 안정성에 가장 큰 문제가 되는 리튬 덴드라이트(dendrite)의 성장을 억제하는 결과를 나타내었다. 또한, 개발된 고분자 전해질은 얇은 리튬금속 음극과 니켈 리치 양극(NCM-Ni83)으로 구성된 전고체전지에서 4.5V 이상의 고전압에서도 안정적인 구동을 보였으며, 410Wh/kg 이상의 세계 최고의 에너지밀도를 보였다. 김범준 교수가 교신저자로 참여한 본 연구는 국제 학술지 ‘Nature’에 2022년 1월 출판되었다.

<그림↓> 엘라스토머 기반 고체 전해질 모식도 및 개발된 전고체전지 성능 비교 그래프

• 논 문 저 자 : Junhwan Choi,† Changhyeon Lee,† Chungryeol Lee, Hongkeun Park, Seung Min Lee, Chang-Hyun Kim, Hocheon Yoo,* Sung Gap Im*(교신저자)

• 논   문   명 : Vertically-Stacked, Low-Voltage Organic Ternary Logic Circuits Including Nonvolatile Floating-Gate Memory Transistors

• 게재학술지 : Nature Communications, 2022, 13, 2305 (2022.04)

• 우   수   성 : IF : 17.694, Q-value : Q1, “국내특허 출원”

본 연구는 유기 플래시 메모리를 3진 인버터 소자에 적용하고 이를 수직집적형태로 제작하여, 고집적 다진법 소자를 개발한 연구이다. 최근 전자기기가 소형화됨으로 인해 소자의 downscailing 이 중요해져가고 있지만, 수나노 수준 이하의 소형화는 어려움을 겪고 있다. 따라서, 집적도를 높이기 위한 방안으로 P,N 타입 반도체의 헤테로정션을 이용해 3진 인버터를 개발하는 다수의 연구가 진행되고 있다. 하지만 선행된 연구들의 경우 헤테로정션 트랜지스터와 pull-down 소자의 전류값 균형이 좋지 않아 중간논리 구간이 짧고 출력값이 이상값과 매우 다른 문제가 있었다. 본 연구에서는 이 문제를 해결하기 위해 전도도를 조절할 수 있는 플래시 메모리를 도입하여 전류 불균형 문제를 해결하고 3진 인버터의 중간논리 구간을 조절할 수 있는 소자를 개발하였다. 또한, 소자의 집적도를 더욱 높이기 수직 적층 된 형태로 3진 소자를 개발하였다. 1층에 플래시 메모리를 제작하고 위층 소자와의 절연을 위해 두꺼운 절연층을 도입한 뒤에 HTR 소자를 2층에 제작하였으며 프로그래밍을 통해 3진 소자의 중간 출력 값을 조절하였다. 플래시 메모리의 전류값이 변화함에 따라 3진 인버터의 중간값이 이상 값에 가까운 VDD/2 에 도달하는 것을 확인할 수 있었다. 임성갑 교수가 교신저자로 참여한 본 연구는 해외 논문 ‘Nature Communications’ 에 2022년 4월호에 게재되었다. 본 연구 결과는 향후 3진법 소자의 개발을 위한 플랫폼에 구성에 도움이 될 것으로 기대된다.

<그림↓> Flash memory를 도입한 수직집적형 3진 인버터에 대한 구조도 및 프로그래밍에 따른 특성 변화 모식도

• 논 문 저 자 : Minki Kim, Min Young Ha, Woo-Bin Jung, Jeesoo Yoon, Euichul Shin, Ill-doo Kim, Won bo Lee*, YongJoo Kim*, Hee-tae Jung*(교신저자)

• 논   문   명 : Searching for an Optimal Multi-metallic Alloy Catalyst by Active Learning Combined with Experiments

• 게재학술지 : Advanced Materials, 34, 2108900 (2022.05)

• 우   수   성 : IF : 32.086, Q-value : Q1

본 연구는 다성분계 합금 촉매의 조합과 조성을 실험과 머신러닝의 과정을 통해 찾아내는 내용에 관한 것이다. 기존에는 다성분계 합금 촉매를 찾아내기 위해 Density functional theory (DFT) 와 같은 에너지 계산을 진행하거나 표면을 모사하여 만들어 놓고 Neural network를 만들어 표면에너지를 계산하여 진행하였다. 그러나 이는 실제 실험 시의 다양한 변수를 고려하기 어려웠고, 금속 이외의 물질이 결합되어있는 형태에서는 정확도가 더욱 감소할 수밖에 없었다. 또한 특정 촉매 반응마다 다른 메커니즘을 가지기 때문에 이에 대한 이해와 계산 데이터 역시 많이 필요한 상태에서 시뮬레이션이 진행되어야 했다. 본 연구진은 해당 연구를 통해 실제 실험에서의 변수들을 고려한 결과값을 가지고 Gaussian process regression (GPR) 모델을 사용하여 active learning을 진행하였고, 이 방법론을 통해 수소 발생 반응에서 뛰어나다고 알려진 백금을 사용한 경우보다 백금-루테늄-니켈 합금을 사용하였을 때 더 좋은 성능을 보임을 확인하였다. 또한, 적은 양의 실험 데이터로도 모델을 정확하게 예측할 수 있다는 것을 보여주었으며, 실험 데이터와 예측 데이터가 서로 영향을 끼쳐 실제로 진행되지 않은 부분의 예측 데이터도 비슷한 부분의 실험 데이터를 통해 불확실성이 낮아지는 것을 확인하였다. 정희태 교수가 교신저자로 참여한 본 연구는 ‘Advanced Materials’ 2022년 5월에 표지논문으로 게재되었다.