AI, 배터리 제조 혁신 촉진하지만⋯데이터 장벽이 발목

AI 잠재력 발휘에 발목 잡아⋯"고품질 데이터 확보ㆍ개방 필요"

(자료제공=산업통상부)

인공지능(AI)가 배터리 제조의 전 과정에서 핵심적인 혁신 촉매로 부상하고 있다.

신소재 탐색부터 생산 공정 최적화, 배터리 수명 예측 및 재활용에 이르기까지 AI의 활용 범위가 넓어지고 있어서다.

하지만 AI의 잠재력을 완전히 끌어내기 위해서는 업계의 '영업 기밀'로 취급되는 유의미한 고품질 데이터의 확보와 개방이 필요하다는 지적이 나온다.

산업통상부가 최근 발간한 글로벌 공급망 인사이트에는 이런 내용을 담은 '배터리 제조 분야의 AI 활용'이란 보고서가 수록됐다.

보고서에 따르년 AI는 이미 배터리 제조 전주기에서 폭넓게 활용되고 있다. 소재 탐색 및 설계 단계에서는 AI 예측 모델이 방대한 후보 물질 데이터로부터 최적의 신소재를 탐색한다.

실제로 마이크로소프트와 미국 PNNL은 AI를 활용해 3000만 개가 넘는 후보 물질 중 고체 전해질 잠재 소재를 발굴해냈다.

생산 공정 최적화에도 AI가 투입된다. 글로벌 배터리 기업 CATL은 영상 기반 결함 분석에 AI를 도입해 생산 공정의 이상 징후를 사전에 탐지함으로써 생산 수율을 개선하고 불량률을 낮추고 있다.

배터리 성능 및 수명 예측 분야에서도 AI의 역할이 크다. AI는 고장 패턴을 예측하고, 운전 중 배터리관리시스템(BMS)을 최적화해 배터리 수명을 연장하고 안전성을 높인다. 수명을 다한 배터리를 에너지저장시스템(ESS) 등으로 재활용하는 '세컨드라이프' 경로를 탐색하는 데도 AI가 활용된다.

AI가 가져올 가장 큰 혁신은 R&D 속도의 획기적인 단축이다. '고속실험'이나 '자율실험실(Self-Driving Lab)'과 같은 AI 주도 접근 방식을 통해, 기존에 수년이 걸리던 신소재 발굴 및 테스트 기간을 수개월 단위로 줄일 수 있을 것으로 기대된다.

하지만 이러한 잠재력에도 불구하고 '데이터'가 발목을 잡고 있다.

배터리 생산 효율이나 불량률 관련 데이터는 기업의 '영업 기밀'에 해당해 개방형 데이터셋 구축 유인이 낮다고 보고서는 지적했다.

또한, 배터리 화학계가 다르면 공급망 구성도 완전히 달라져 AI 모델을 산업적으로 확장하는 데 시간과 비용이 많이 드는 점도 병목 현상의 원인으로 지목됐다.

보고서는 "AI는 배터리 산업 혁신의 핵심 동력이지만 AI 활용을 극대화하려면 통계적으로 유의미한 고품질 데이터 확보와 접근 개방성이 필수적이라"고 제언했다.