• Korean Chemical Engineering Research
• /
• 제61권1호
• /
• pp.32-38
• /
• 2023

본 연구에서는 리튬 이온 배터리 용 음극활물질인 실리콘의 사이클 안정성 및 율속 특성을 개선하기 위해 도파민이 코팅된 실리콘/실리콘카바이드/카본(Si/SiC/C) 복합소재의 전기화학적 특성을 조사하였다. Stöber 법에 CTAB을 추가하여 CTAB/SiO₂를 합성한 후 열 흡수제로써 NaCl을 첨가한 마그네슘 열 환원법을 통해 Si/SiC 복합소재를 제조하였으며, 도파민의 중합반응을 통해 탄소코팅을 하여 Si/SiC/C 음극소재를 합성하였다. 제조된 Si/SiC/C 음극소재의 물리적 특성 분석을 위해 SEM, TEM, XRD와 BET를 사용하였으며, 1 M LiPF₆ (EC : DEC = 1 : 1 vol%) 전해액에서 리튬 이온 배터리의 사이클 안정성, 율속 특성, 순환전압전류 및 임피던스 테스트를 통해 전기화학적 특성을 조사하였다. 제조된 1-Si/SiC는 100사이클, 0.1 C에서 633 mAh/g의 방전용량을 나타냈으며, 도파민이 코팅된 1-Si/SiC/C는 877 mAh/g으로 사이클 안정성이 향상된 것을 확인할 수 있었다. 또한 5C에서 576 mAh/g의 높은 용량과 0.1 C/0.1 C 일 때 99.9%의 용량 회복 성능을 나타내었다.

• Composites Research
• /
• 제36권3호
• /
• pp.205-210
• /
• 2023

본 연구에서는 폼 구조의 효율적인 유효 기계적 물성 및 열전도율 예측을 위한 균질화 데이터 기반 전이학습 프레임워크를 개발하였다. Eshelby 텐서 기반의 평균장 균질화(Mean-field homogenization, MFH)는 타원체 형태의 공동을 포함하는 다공성 구조의 물성을 효율적으로 예측할 수 있지만, 셀룰러(cellular) 폼 구조의 물성은 정확하게 예측하기 어렵다. 한편, 유한요소 균질화(Finite element homogenization, FEH)는 정확성은 높지만 상대적으로 높은 해석 시간을 동반한다. 본 논문에서는 평균장 균질화와 유한요소 균질화의 장점을 결합한 데이터 기반 전이학습 프레임워크(Framework)를 제안하였다. 구체적으로, 대량의 평균장 균질화 데이터를 도출하여 사전학습 모델(Pre-trained model)을 구축하고, 상대적으로 소량의 유한요소 균질화 데이터를 이용하여 미세 조정(Fine-tuning) 하였다. 제안된 프레임워크를 검증하기 위한 수치 예제를 수행하였으며, 해석 정확도를 확인하였다. 본 연구의 결과는 다양한 폼 구조를 가진 재료의 해석에 적용할 수 있을 것으로 기대한다.