The capacity knee of a physics-based Li-ion model is governed by one unmeasured exponent.

갑작스러운 배터리 사망의 미스터리

여러분이 좋아하는 스마트폰이나 전기차 배터리를 마라톤 선수라고 상상해 보세요. 경주의 대부분 동안 이 선수는 아주 조금씩, 완만하게 에너지를 잃으며 꾸준하고 예측 가능한 모습으로 달립니다. 그러다 갑자기 선수가 발을 헛디뎌 비틀거리더니 몇 초 만에 쓰러져 버립니다. 배터리의 세계에서 이러한 극적이고 갑작스러운 성능 저하를 "용량 니(capacity knee)"라고 부릅니다. 이는 배터리가 "여전히 양호함" 상태에서 순식간에 "사망" 상태로 변하는 순간이며, 우리가 기기를 교체하거나 자동차를 은퇴시켜야 하는 주요 원인이 됩니다.

과학자들은 이 '니(knee)'가 정확히 언제 발생하는지 예측하기 위해 일종의 "수정구슬"을 만들려고 노력해 왔습니다. 그들은 가상의 실험실 역할을 하는 복잡한 컴퓨터 모델을 사용하여 배터리 셀 내부에서 일어나는 미세한 화학적, 물리적 전투를 시뮬레이션합니다. 희망은 이러한 전투의 규칙을 이해한다면 미래를 예측할 수 있다는 것입니다. 하지만 함정이 있습니다. 이 모델들은 "파라미터(매개변수)"라고 불리는 숫자들에 의존합니다. 어떤 숫자들은 러너의 몸무게처럼 측정 가능하고 알려진 것이지만, 다른 숫자들은 러너가 넘어지는 데 숨겨진, 측정되지 않은 재능과 같습니다. 만약 모델의 예측이 전적으로 그 비밀스러운 재능에 달려 있고 우리가 그 재능이 무엇인지 실제로 모른다면, 수정구슬은 그저 추측을 하고 있는 것일지도 모릅니다. 이 논문은 단순하지만 결정적인 질문을 던집니다. 우리의 배터리 모델은 실제로 미래를 예측하고 있는 것인가, 아니면 단지 그렇게 보이도록 조정(tuning)되고 있는 것인가?

충돌을 조절하는 비밀 노브

이 연구의 연구진은 모델의 어떤 부분이 실제로 그 갑작스러운 충돌을 제어하는지 알아보기 위해 "가상 배터리 튜닝" 게임을 하기로 했습니다. 그들은 강력한 시뮬레이션 도구인 PyBaMM을 사용하여 512개의 서로 다른 가상 LFP/흑연 배터리(전기 자동차에서 흔히 발견되는 유형)를 생성했습니다. 그들은 화학 반응 속도, 입자에 가해지는 스트레스 양, 충전 속도와 같은 8가지 서로 다른 설정을 각 배터리마다 미세하게 조정하여 어떤 설정이 배터리의 "니(knee)"를 나타내는지 확인했습니다.

여기서 놀라운 반전이 발견되었습니다. 그들이 조정한 거의 모든 설정—예를 들어 화학적 성장 속도나 입자 균열 등—은 라디오의 볼륨 노브를 돌리는 것과 같았습니다. 그것들은 배터리가 얼마나 많이 퇴화하는지의 '양'은 바꾸었지만, 퇴화의 '형태'는 바꾸지 못했습니다. 배터리는 여전히 천천히 퇴화하다가 갑자기 충돌하거나, 혹은 천천히 퇴화하다가 계속 천천히 퇴화할 뿐이었습니다. 하지만 $m_{LAM}$이라는 숨겨진 지수(stress가 배터리의 활물질을 어떻게 죽게 만드는지를 설명하는 값)라는 특정 설정이 '니(knee)'를 결정하는 마스터 스위치 역할을 했습니다.

롤러코스터를 생각해 보세요. 다른 설정들은 열차가 얼마나 빨리 가는지 또는 루프를 몇 번 도는지를 결정했지만, $m_{LAM}$은 트랙이 끝에서 갑자기 수직으로 떨어질지 말지를 결정하는 유일한 요소였습니다. 연구 결과 이 지수와 니(knee)의 심각성 사이에는 +0.921이라는 상관계수의 강력한 연결 고리가 있음이 밝혀졌습니다. 쉬운 말로, 이 숫자 하나를 바꾸면 니(knee)가 거의 완벽하게 동기화되어 변한다는 뜻입니다. 나머지 7가지 설정은 어땠을까요? 그들의 영향력은 너무 미미해서 사실상 보이지 않을 정도였습니다(상관계수가 0에 가까움).

"가정된" 비밀

이제 이야기는 더욱 흥int로워집니다. 연구진은 이 마법의 숫자, $m_{LAM}$의 출처를 조사했습니다. 그들은 "우리는 이 스트레스 지수를 2.0으로 측정했다"와 같이 실제 실험실에서 얻은 측정값을 찾을 것으로 기대했습니다. 하지만 그들이 발견한 것은 이 숫자가 **"가정됨(Assumed)"**이라고 표시되어 있다는 것이었습니다. 모델의 제작자들은 실제 측정값이 없었기 때문에 단순히 2.0이라고 추측했던 것입니다.

이 추측이 충분히 괜찮은지 테스트하기 위해, 팀은 대규모 대조 실험을 수행했습니다. 그들은 $m_{LAM}$을 그 가정된 값인 2.0으로 고정하고, 모든 가능한 다른 요인들(충전 속도, 온도, 배터리 밸런스)을 변화시키며 1,024번의 서로 다른 시뮬레이션을 실행하여 가상 배터리가 실제 배터리처럼 충돌할 수 있는지 확인했습니다. 결과는 어떠했을까요? **제로(0)**였습니다. 1,024번의 시뮬레이션 중 단 하나도 실제 배터리에서 보이는 것만큼 심각한 니(knee)를 만들어내지 못했습니다. 그들이 얻을 수 있었던 최선의 니 비율은 1.76이었던 반면, 실제 배터리(MIT/Severson 데이터셋)의 중앙값 니 비율은 7.23이었습니다. 모델은 "가정된" 숫자를 사용했을 때 실제 세계의 충돌을 재현하는 데 완전히 실패했습니다.

실제 숫자는 훨씬 높다

그렇다면 어떤 숫자가 모델을 작동하게 만들까요? 연구진은 역으로 계산했습니다. 그들은 실제로 충돌한 117개의 실제 배터리 데이터를 가져와서 다음과 같이 물었습니다. "우리 모델이 이 정확한 충돌을 만들어내려면 어떤 $m_{LAM}$ 값이 필요할까?"

답은 충격적이었습니다. 실제 배터리와 일치시키기 위해 모델에는 $m_{LAM}$의 중앙값이 13.33이어야 했습니다. 어떤 경우에는 무려 18.00까지 올라가기도 했습니다. 이는 실제 배터리들이 스트레스 지수가 "가정된" 값인 2.0보다 최소 6.7배 더 큰 것처럼 행동하고 있음을 의미합니다.

연구진은 또한 이 높은 숫자가 배터리 충전 방식에 따라 달라지는지 확인했습니다. 그들은 35가지의 서로 다른 정밀 충전 정책(충전 속도를 높이거나 늦추는 다양한 방식)을 테스트했습니다. 그 결과, 충전 스타일이 무엇이든 상관없이 모델이 현실과 일치하려면 항상 13.35에서 18.00 사이의 값을 필요로 한다는 것을 발견했습니다. 이는 "가정된" 값인 2.0이 이 배터리들에게는 명백히 틀렸으며, 모델이 미래를 예측하는 것이 아니라 단지 누군가가 적절한 비밀 숫자를 입력하기만을 기다리고 있을 뿐이라는 점을 증명합니다.

"두 개의 미지수" 함정

마지막 반전이 하나 더 있습니다. 연구진은 이 비밀 지수($m_{LAM}$)가 N/P 비율(음극과 양극 용량의 균형)이라고 불리는 또 다른 설정과 "혼재(confounded)"되어 있다는 것을 발견했습니다. 이는 마치 저울이 제대로 교정되었는지 모르는 상태에서 미스터리 박스의 무게를 맞추려는 것과 같습니다.

그들은 만약 N/P 비율을 1.5배 변화시킨다면, 완전히 다른 $m_{LAM}$ 값을 가지고도 동일한 니(knee) 형태를 얻을 수 있다는 것을 발견했습니다. 예를 들어, N/P 비율을 조정하여 맞춘다면, $m_{LAM}$이 약 9.8인 매개변수 세트가 $m_{LAM}$이 약 14.2인 매개변수 세트와 동일한 니(knee) 형상을 만들어낼 수 있습니다. 이는 배터리의 충돌 현상만 보고는 진정한 지수 값을 알 수 없음을 의미합니다. 두 가지를 독립적으로 측정하지 않고서는 이를 분리해 낼 수 없습니다.

결론

이 논문은 물리 기반 모델이 강력한 도구이긴 하지만, 현재로서는 배터리가 언제 죽을지를 예측할 수는 없다고 결론짓습니다. 측정되지 않은 이 하나의 지수를 조정할 수 있다면 그저 데이터를 맞출(fit) 수 있을 뿐입니다. 만약 여러분이 모델이 실제 배터리의 니(knee)와 "일치한다"고 보고한다면, 그것은 모델이 물리학을 이해하고 있다는 뜻이 아니라, 단지 적절한 비밀 숫자를 맞추어 넣었다는 뜻입니다. 과학자들이 이 지수를 실제 실험실에서 직접 측정하기 전까지(이 재료들에 대해 아직 이루어지지 않았습니다), 모델의 예측은 그저 근거 있는 추측에 불과합니다. 저자는 향후 연구들이 이 지수와 배터리 밸런스를 함께 보고해야 하며, 모델이 알려진 물리 법칙을 측정하는 것이 아니라 현상을 기술하고 있음을 인정해야 한다고 제언합니다.