Schrödinger 는 6월 26일에 배터리 기술 플랫폼(Battery Technology Platform)이 주최하는 웨비나에서 발표를 하게 되어 기쁘게 생각합니다.Schrödinger 의 과학 책임자인 Garvit Agarwal 박사가 진행하는 “전극, 전해질 및 계면: 분자 시뮬레이션과 머신러닝 을 활용하여 배터리 소재 개발의 신속한 진전을 도모하기”라는 제목의 발표에 많은 참여 부탁드립니다.

초록:
리튬 이온 배터리(LIB) 기술은 운송 및 가전 산업에 혁명을 일으켰다. 그러나 급속히 증가하는 수요를 충족하고 LIB의 전력 밀도, 안전성, 신뢰성 및 수명을 향상시키기 위해서는 새로운 배터리 화학 기술이 필요하다.

이번 웨비나에서는 배터리 성능 향상을 위한 주요 소재 과제를 살펴보고, 원자 수준 시뮬레이션과 머신러닝( 머신러닝 , ML)을 통해 방대한 설계 공간을 신속하게 평가하고 선별함으로써 혁신적인 기술의 시장 출시를 가속화하는 방법을 소개합니다.

본 웨비나에서는 배터리 소재 설계를 위한 Schrödinger의 디지털 화학 플랫폼에 적용된 최신 기술 혁신을 소개합니다. 특히, 이번 웨비나에서는 자동화 솔루션을 활용하여 음극의 열역학적 안정성 및 전압 프로파일, 전극 소재 내 이온 확산 경로 및 동역학, 액체 전해질의 수송 특성을 정확하게 예측하고, Schrödinger의 SEI 시뮬레이터 모듈을 사용하여 고체 전해질 계면(SEI) 층의 핵형성 및 성장을 모델링하는 사례를 중점적으로 다룰 예정입니다. 또한 액체 전해질, 무기 음극 코팅, 고체 고분자 전해질과 같은 복잡한 소재를 위한 맞춤형 머신러닝 힘장 개발을 위한 자동화된 일반화 프레임워크를 소개하여, 차세대 배터리용 신소재의 효율적인 설계에 기여할 것입니다.

주요 학습 목표:

• 디지털 화학 접근 방식이 신형 배터리 소재의 개발 주기를 어떻게 단축하는지 알아보세요
• Schrödinger의 자동화된 고처리량 시뮬레이션 워크플로우와 머신러닝(ML) 모델이 어떻게 배터리 소재 후보 물질의 신속한 선별을 가능하게 하는지 알아보세요.
• 자동화 솔루션을 활용하여 배터리의 주요 특성, 즉 전극의 열역학적 안정성 와 전압 프로파일, 전극 내 이온 확산 경로 및 동역학, 액체 전해질의 수송 특성, 그리고 고체 전해질 계면(SEI) 층의 핵형성 및 성장을 정확하게 예측하는 방법을 알아보세요.
• 전해질 재료, 음극 코팅 및 계면의 정밀한 모델링을 위한 첨단 머신러닝 력장의 응용 사례를 들어보세요.