Engineering insight

iMOE: prediction of second-life battery degradation trajectory using interpretable mixture of expertsNature Communications (2026) · Xinghao Huang et al. · 원문: https://www.nature.com/articles/s41467-026-69369-1 한 줄 핵심이 논문은 retired EV battery의 second-life 사용에서 가장 어려운 문제인 미래 degradation trajectory 예측을, 긴 사용 이력 없이 현장 접근 가능한 부분 신호 + interpretable mixture-of-experts로 푸는 battery-AI 논문입니다. 핵심은 단순 현재 SOH..

Issues and challenges facing rechargeable lithium batteriesNature (2001) · J.-M. Tarascon, M. Armand원문 DOI: https://doi.org/10.1038/35104644 한 줄 핵심이 논문은 리튬이온전지의 미래가 “더 좋은 단일 소재”가 아니라, 양극·음극·전해질·계면·안전·제조성을 함께 최적화하는 시스템 설계에 달려 있음을 정리한 초고영향력 리뷰입니다.1. 문제정의2001년 시점의 배터리 산업은 휴대기기 확산으로 더 높은 에너지밀도, 더 긴 수명, 더 가벼운 폼팩터를 강하게 요구받고 있었습니다. 그러나 수계 전지는 전압이 낮고, 금속 리튬 전지는 덴드라이트와 안전성 문제가 컸습니다. 이 논문은 왜 리튬이온전지가 승리했는지..

Uncertainty-aware and explainable machine learning for early prediction of battery degradation trajectoryDigital Discovery (2023) · Laura Rieger, Erik Frank, Oleksandr V. Wodyński, Alpha A. Lee, Tejs Vegge, Anja B. BizerayDOI: https://doi.org/10.1039/d2dd00067aHTML 본문: https://pubs.rsc.org/en/content/articlehtml/2023/dd/d2dd00067a Uncertainty-aware and explainable machine learning for early pred..

A reflection on lithium-ion battery cathode chemistryNature Communications (2020) · Arumugam Manthiram원문: https://www.nature.com/articles/s41467-020-15355-0DOI: https://doi.org/10.1038/s41467-020-15355-0 한 줄 핵심이 논문은 리튬이온전지 양극의 역사를 나열하는 리뷰가 아니라, 왜 어떤 양극 화학계는 살아남고 어떤 계열은 탈락했는지를 anion band position, 전이금속 redox energy, 구조 안정성, 확산 경로라는 재료화학 언어로 통합 설명한 고영향 cathode 설계 지도입니다.1. 문제 정의배터리 성능, 안전성, 비용, 수명..

Identifying degradation patterns of lithium ion batteries from impedance spectroscopy using machine learningNature Communications (2020) · Yunwei Zhang, Qiaochu Tang, Yao Zhang, Jiabin Wang, Ulrich Stimming, Alpha A. Lee원문: https://www.nature.com/articles/s41467-020-15235-7DOI: https://doi.org/10.1038/s41467-020-15235-7 한 줄 핵심이 논문은 배터리 EIS 전체 스펙트럼을 그대로 machine learning에 넣어 capacity와 RUL을 추정하면서, ..