Key Research Topics

• 고체 전해질-금속 음극 계면 안정성 규명: 고체 전해질과 리튬 금속 음극 접합 계면에서의 열역학적 화학적 부반응 및 이온 확산 경로를 분석합니다.
• 리튬 덴드라이트(Dendrite) 성장 억제: 충방전 과정 중 고체 전해질 결정립 경계(Grain Boundary)를 따라 성장하는 리튬 금속의 덴드라이트 메커니즘을 시각화하고 억제 방안을 전산 제시합니다.
• 신규 고체 전해질 소재 발굴: 황화물(Sulfide)계 및 산화물(Oxide)계 기반의 고이온전도성 및 우수한 기계적/화학적 안정성을 동시에 갖춘 고체 전해질 신소재를 스크리닝합니다.

Methodologies

제일원리 계산(DFT, Density Functional Theory)을 기반으로 고체 재료의 전자 구조, 격자 열역학적 특성, 밴드 갭 및 에너지 장벽을 고정밀 계산합니다. 또한 원자 수준 분자동역학 시뮬레이션(AIMD)을 활용하여 온도의 함수에 따른 이온 이동 경로 및 확산 계수(Diffusion Coefficient)를 산출합니다.

Key Research Topics

• 결정 구조 생성 모델 (Generative Modeling): MatterGen 등 최신 AI 생성 모델 및 대형 언어 모델(LLM)을 응용하여 타겟 특성을 만족하는 신소재 결정 격자 구조를 역설계(Inverse Design)합니다.
• 능동 학습 (Active Learning): 고정밀 DFT 계산과 기계학습 예측을 결합한 폐루프(Closed-loop) 능동 학습 알고리즘을 구축하여 미지의 광범위한 화학적 공간에서 고성능 전극 및 촉매 후보 물질을 효율적으로 스크리닝합니다.
• 기계학습 원자간 포스필드 (MLIP): SevenNet 등 최신 기계학습 포스필드 방법론을 활용하여 DFT 수준의 높은 정확도를 유지하면서도 기존 계산 과학의 한계를 넘는 수만 개 이상의 대형 원자 격자계에 대해 나노초 이상의 대규모 동역학 특성을 고속 시뮬레이션합니다.

Methodologies

Materials Project 등 오픈소스 대용량 소재 데이터베이스를 분석 및 학습 데이터로 가공하고, PyTorch 기반 기계학습 모델 개발, 원자 단위 전하 및 포스 맵핑 워크플로우를 설계하여 가상 공간 상의 자동 스크리닝 플랫폼을 구현합니다.

Key Research Topics

• ALD(원자층 증착법) 표면 화학 반응 분석: 금속 유기 전구체(Precursor)와 반응 가스가 실리콘 또는 금속 기판 표면에서 흡착, 화학 분해, 배위 결합을 형성하는 동역학적 경로와 에너지를 산출합니다.
• 차세대 2차원 반도체 채널 규명: 극미세 소자를 위한 초박막 및 2D 신소재 채널 구조의 전자 수송 능력(Carrier Mobility) 및 결함(Defect)에 따른 누설 전류 가능성을 시뮬레이션합니다.
• 공정 최적화 및 메커니즘 전산 예측: 증착 기판 표면의 표면 처리(Self-Assembled Monolayer 등)를 통한 Area-Selective ALD(선택적 ALD) 공정의 안정성 및 메커니즘을 예측합니다.

Methodologies

표면 및 기판 계면에 대한 슬랩(Slab) 모델을 구성하여 표면 DFT 계산을 수행하며, 전이 상태(Transition State) 탐색 기법인 NEB(Nudged Elastic Band) 알고리즘을 사용해 반응 활성화 에너지(Activation Barrier)를 도출하고 최적의 가열 및 증착 조건을 제안합니다.