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..

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, ..

A highly efficient polysulfide mediator for lithium–sulfur batteriesNature Communications (2015)저자: Xiao Liang, Connor Hart, Quan Pang, Arnd Garsuch, Thomas Weiss, Linda F. Nazar원문: https://www.nature.com/articles/ncomms6682DOI: https://doi.org/10.1038/ncomms6682 한 줄 핵심이 논문은 Li–S 배터리의 최대 병목인 polysulfide shuttle 문제를 단순 물리적 confinement가 아니라 MnO2 표면의 redox mediator chemistry로 제어해, 고황함량(75 wt%)과 장수명..