[24′ Research Square] Text2Concrete : LLMs can Design Sustainable Concrete – a Systematic Benchmark
콘크리트 설계에 혁신을 가져온 Knowledge Driven Design 방식을 소개합니다. 전문가 지식을 활용해 DDD의 한계를 극복하고, 설계 정확도와 효율성을 향상시킵니다.
Battery
[23′ Nature Article] Leveraging large language models for predictive chemistry
LLM을 활용하여 분자식을 예측하는 새로운 방법을 제안합니다. 이 방법은 분자 데이터를 자연어처럼 처리하여, 분자의 특성을 분류하고, 특성으로부터 분자식을 역추론하는 과정을 단순화합니다. LLM의 자연어 처리 능력을 이용해 분자식을 직접 입력으로 사용하며, 이를 통해 분자의 특성을 예측하거나 새로운 분자식을 설계합니다.
[07′ Energy Conversion & Management] Control oriented 1D electrochemical model of lithium ion battery
고차원 복잡성을 지닌 기존 전기화학 모델링 방식과 달리, 이 논문은 계산 효율성을 극대화하고 실시간 배터리 상태 추정이 가능한 1D Electrochemical Model을 제안합니다.
[20′ IEEE Access] Real-Time Parameter Estimation of an Electrochemical Lithium-Ion Battery Model Using a Long Short-Term Memory Network
LSTM을 활용한 리튬 이온 배터리의 실시간 전기화학 파라미터 추정 방법을 알아봅니다. 복잡한 전기화학 모델 대신 AI를 접목, 실시간 배터리 상태 추정의 새로운 가능성을 제시합니다.
[21′ Royal Society of Chemistry] Pathways towards managing cost and degradation risk of fast charging cells with electrical and thermal controls
리튬 이온 배터리의 급속 충전 과정 중 발생할 수 있는 과열 및 리튬 석출 문제를 해결하기 위한 Active Thermal Management(ATM) 방법을 알아봅니다.
[23′ Nature Article] An autonomous laboratory for the accelerated synthesis of novel materials
A-Lab은 인공지능과 로봇 기술을 활용해 재료 과학 분야의 실험 과정을 자동화합니다. LLM으로 합성 가능한 새로운 물질을 찾고, 레시피를 제안한 후, 로봇이 실험을 수행합니다. 실패 시 Active Learning을 통해 레시피를 조정, 연구 개발 시간 단축과 실험 정확도 향상을 목표로 합니다.
[21′ Elsevier] Hybrid Physics-Informed Neural Networks for Lithium-Ion Battery Modeling and Prognosis
Hybrid Physics Informed Neural Networks (PINN)를 사용해 리튬 이온 배터리 상태 예측의 정확도를 향상시키는 방법을 제시합니다.
