생성모델을 적용한 나트륨이온 배터리용 슈퍼 이온전도성 고체 전해질 설계

강승표; 민경민

추천

검색

질문

자료유형: 학술대회자료

저자정보: 강승표 (숭실대학교) 민경민 (숭실대학교)

저널정보: 대한기계학회 대한기계학회 춘추학술대회 대한기계학회 2022년 학술대회

발행연도: 2022.11

수록면: 1,622 - 1,625 (4page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2022

생성모델을 적용한 나트륨이온 배터리용 슈퍼 이온전도성 고체 전해질 설계

강승표 , 민경민 대한기계학회 춘추학술대회 2022.11 학술대회자료

기계학습 기반 리튬이온 배터리용 슈퍼 이온전도성 고체전해질 설계

강승표 , 김민선 , 민경민 대한기계학회 춘추학술대회 2022.05 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

Na-Ion Batteries(NIBs) is an alternative to Li-Ion Batteries(LIBs). Solid-state electrolytes solve critical safety issues of liquid electrolyte. In this study, we developed a platform involving generative model, high-throughput screening process and a machine learning surrogate model for identifying superionic Na-SSEs among Na-containing materials. Through the screening process, materials which showed potentially superior performance are selected, and their ionic conductivity were predicted. The surrogated model was constructed by ensembling two models with the best performance. 100 predictions were made for each model. In all 100 times, materials predicted to be superionic were inter-aggregated, and no material was recommended. Detail structural Descriptor will be considered. After this consideration, we believe this platform will accelerate the search for Na-SSEs with high ionic conductivity at a minimum cost.

#재료 설계(Materials Design) #기계학습(Machine Learning) #나트륨이온 배터리(Na-Ion Batteries) #고체 전해질(Solid-State Electrolyte) #이온 전도도(Ionic conductivity)

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

강승표

소속기관 숭실대학교

주요연구분야 공학 > 기계공학 > 기계공학 일반 공학 > 기계공학 > 자동차공학

논문수 11 이용수 844

Kyoungmin Min

소속기관 숭실대학교

주요연구분야 공학 > 기계공학 > 기계공학 일반 TOP 5%

논문수 20 이용수 1,629

이 논문과 함께 이용한 논문

나트륨 이온 배터리의 성능 개선을 위한 전이 금속 기반 음극 소재 개발 동향

김민기 , 박정호 전기학회논문지 2023 .03

기계학습 포텐셜을 활용한 고체전해질 Li₆PS₅Br 의 리튬 이온전도도 분석

홍지숙 , 최호 대한기계학회 춘추학술대회 2024 .05

그래프 신경망 기반 원자간 상호작용 포텐셜을 통한 나트륨 초이온 전도체 하이브리드 고체 전해질 탐색 방법

김주오 , 김지환 , 홍지민 외 2명 대한기계학회 춘추학술대회 2023 .11

차세대 나트륨이온전지 실용화를 앞당길 양극소재 개발

황장연 한국고분자학회 학술대회 연구논문 초록집 2023 .10

“그린수소 생산 한걸음 더” 차세대 연료전지의 새로운 전해질 합성법 개발

편집부 I-CONNECTED 2024 .09

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)