전 세계 모든 Schrödinger 사무소는 휴식과 재충전을 위한 전사적 조치의 일환으로 8월 17일부터 21일까지 일주일간 휴무합니다. 이 기간 동안 문의에 대한 답변이 제한될 수 있으니 양해 부탁드립니다. 과학 및 기술 지원팀 직원들은 긴급 지원 문의에 한해 대응할 예정입니다.

OCT 1, 2024

물리 기반 모델링과 머신러닝 이 배터리 소재 개발 가속화를 어떻게 가능하게 하는가

발언자:

가르빗 아가르왈, 선임 연구원 II, Schrödinger

초록:

지난 10년 동안 재충전식 리튬 이온 배터리(LIB) 기술의 급속한 발전은 운송 및 소비자 가전 등 여러 주요 산업에 혁명을 일으켰습니다. 그러나 급속히 증가하는 수요를 충족하고 LIB의 전력 밀도, 안전성, 신뢰성 및 수명을 개선하기 위해서는 새로운 배터리 화학 물질이 필요합니다. 분자모델링 는 새로운 배터리 화학 물질 설계 주기의 필수적인 부분이 되었습니다. 정확한 물리 기반 모델링을 통해 방대한 화학 및 재료 설계 공간을 신속하게 평가하고 선별할 수 있어, 업계가 신기술을 시장에 출시하는 데 소요되는 시간을 단축하는 데 도움이 됩니다. 이번 웨비나에서는 배터리 소재 설계를 위한 Schrödinger의 디지털 화학 플랫폼에 적용된 최신 기술 혁신을 소개합니다. 특히, 이 웨비나는 자동화 솔루션을 활용하여 음극 소재의 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 및 고체 고분자 전해질과 같은 복잡한 소재를 위한 맞춤형 머신러닝 힘장 개발을 위한 자동화된 일반화 프레임워크를 소개하여, 차세대 배터리를 위한 신소재의 효율적인 설계의 토대를 마련할 것입니다.