• 전기화학회지
• /
• 제13권2호
• /
• pp.116-122
• /
• 2010

DC magnetron 스퍼터링을 이용해 구리(Cu) 호일 위에 실리콘(Si)을 증착한 후 $800^{\circ}C$에서 열처리하여 $Cu_3Si$를 얻고, 이의 리튬 이차전지용 음극으로서 특성을 조사하였다. $Cu_3Si$는 Si 성분을 포함하고 있으나 상온에서 리튬과 반응하지 않았다. 선형 주사 열-전류(linear sweep thermammetry, LSTA) 실험과 고온 충방전 실험을 통하여, 상온에서 비활성인 $Cu_3Si$가 $85^{\circ}C$ 이상에서는 활성화되어 Si 성분이 전환(conversion)반응에 의해 리튬과 반응함을 확인하였다. $Cu_3Si$에서 분리된 Si는 $120^{\circ}C$에서 Li-Si 합금 중에서 리튬의 함량이 가장 많은 $Li_{21}Si_5$ 상까지 리튬과 반응함을 유사 평형 조건(quasi-equilibrium)의 실험으로부터 알 수 있었다. 그러나 정전류 조건($100\;mA\;{g_{Si}}^{-1}$)에서는 리튬 합금반응이 $Li_{21}Si_5$까지 진행되지 못하였다. 또한 $120^{\circ}C$에서 전환반응에 의해 생성된 Li-Si 합금과 금속 상태의 Cu는 충전과정에서 다시 $Cu_3Si$로 돌아감, 즉 $Cu_3Si$와 리튬은 가역적으로 반응함을 확인하였다. $120^{\circ}C$에서 $Cu_3Si$ 전극은 비정질 실리콘 전극보다 더 우수한 사이클 특성을 보여 주었다. 이는 비활성인 구리가 실리콘의 부피변화를 완충하여 집전체에서 탈리되는 현상을 완화하고 결과적으로 전극이 퇴화하는 것을 억제하기 때문인 것으로 설명할 수 있다. 실제로 비정질 실리콘 전극은 충방전 후에 실리콘 층의 균열과 탈리가 관찰되었으나, $Cu_3Si$ 전극에서는 이러한 현상이 관찰되지 않았다.

• 정보처리학회논문지A
• /
• 제11A권4호
• /
• pp.243-250
• /
• 2004

실시간 시스템은 시스템이 적시성을 보장하는지 파악하기 위해 실시간 감시기법을 이용한다. 일반적으로 실시간 감시는 실시간 시스템의 현재 동작상태를 파악하는데 중점을 두는 기법이다. 그러나 실시간 시스템의 안정적인 수행을 지원하기 위해서는, 현재 상태를 파악하는 것뿐 아니라, 실시간 시스템 및 시스템상에서 동작하는 실시간 프로세스들의 수행도 예측할 수 있어야 한다. 그러나 기존 예측모델을 실시간 감시기법에 적용하기에는 몇 가지 한계가 있다. 첫째, 예측기능은 실시간 프로세스가 종료한 시점에서 정적인 분석을 통해 수행된다. 둘째, 예측을 위해 사전 기초 통계분석이 필요하다. 셋째, 예측을 위한 이전확률 및 클러스터 정보가 현재 시점을 정확하게 반영하지 못한다. 본 논문에서는 이러한 문제점들을 해결하고 실시간 감시기법에 적용할 수 있는 학습 기반의 수행 예측모델을 제안한다. 이 모델은 학습기법을 통해 불필요한 전처리과정을 없애고, 현시점의 데이터를 이용해, 보다 정확한 실시간 프로세스의 수행 예측이 가능하도록 한다. 또한 이 모델은 실시간 프로세스 수행 시간의 증가율 분석을 통해 다단계 예측을 지원하며, 무엇보다 실시간 프로세스가 실행되는 동안 예측이 가능한 동적 예측을 지원하도록 설계하였다. 실험 결과를 통해 훈련집합의 크기가 10 이상이면 80% 이상의 판단 정확도를 보이며, 다단계 예측의 경우, 훈련집합의 크기 이상의 수행 횟수를 넘으면 다단계 예측의 예측 차는 최소화되는 것으로 나타났다. 본 논문에서 제안한 예측모델은 가장 단순한 학습 알고리즘을 적용했다는 점과, CPU, 메모리, 입출력 데이터를 다루는 다차원 자원공간 모델을 고려하지 못한 한계가 있어 향후에 관련 연구가 요구된다. 본 논문에서 제안하는 학습기반 수행 예측모델은 실시간 감시 및 제어를 필요로 하는 분야 및 응용 분야에 적용할 수 있다.