Engineering insight

Predicting Cycle Life for Lithium-Ion Batteries with Ternary Cathode Materials Using Data-Driven Machine Learning저널: ACS Omega (published 2025-10-26)저자: Long Li et al.식별자: DOI:10.1021/acsomega.5c09364원문: https://pmc.ncbi.nlm.nih.gov/articles/PMC12593148/Dense 5-line Summary이 논문은 NCA, NCM, NCM/NCA 혼합 삼원계 양극 리튬이온전지의 초기 사이클 데이터만으로 전체 수명(RUL/사이클 수명)을 예측할 수 있는지 비교형 ML 실험으로 검증합니다.입력은 초기 30~100사이클에서 뽑은..

Data-driven prediction of battery cycle life before capacity degradation카테고리: Battery-AIDOI: 10.1038/s41560-019-0356-8원문: https://www.nature.com/articles/s41560-019-0356-8공개 PDF: https://web.mit.edu/braatzgroup/Severson_NatureEnergy_2019.pdfDense 5-line summary이 논문은 LFP/graphite 상용 원통형 셀 124개를 72개의 고속충전 조건에서 시험해, 초기 100사이클의 방전 전압 곡선만으로 전체 수명(80% 용량 도달 시점)을 예측할 수 있음을 보였다.핵심은 단순 용량 감소량이 아니라 서로 다른 ..

In-operando high-speed tomography of lithium-ion batteries during thermal runawayFinegan et al., Nature Communications (2015) · DOI: 10.1038/ncomms79245-line dense summary이 논문은 열폭주 중인 18650 NMC 셀 내부를 실시간 고속 X-ray tomography/radiography로 직접 본 매우 중요한 안전 논문입니다.핵심 발견은 열폭주가 셀 바깥에서 가열돼도 내부 중심부에서 먼저 심화될 수 있고, 가스 포켓 형성→층간 박리→벤트/구조붕괴→내부 단락/급격한 분해라는 구조-열 연동 경로를 따라 진행된다는 점입니다.특히 내부 지지 구조가 있는 셀은 붕괴가 억제되지만, ..

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..