프랑스 LRCS·CNRS 연구진은 장기 리튬이온 배터리 열화 시뮬레이션의 계산비용을 줄이기 위해 BattVAE-GP를 제안했다. PyBaMM의 DFN/P2D 전기화학 모델이 만든 주기별 전압 궤적을 변분 오토인코더로 2차원 잠재공간에 압축하고, 충전 C-rate와 주기 번호를 입력받는 희소 다중출력 가우시안 과정으로 잠재 궤적과 불확실성을 예측한다.
시뮬레이션은 10초 간격으로 시간·전압·전류·주기를 기록했다. 충전 C-rate에 따라 길이가 달라지는 궤적을 비교하기 위해 충전·방전 전압을 정규화 용량 격자에 보간하고, 전압 자체와 dV/dQ·dQ/dV 같은 미분 특징을 입력으로 묶었다. 명목용량은 5Ah로 두고, 오토인코더의 고정 디코더가 예측 잠재값을 다시 전압-용량 곡선으로 복원한다.
검증은 특정 충전 C-rate 프로토콜 전체를 학습에서 빼는 방식으로 진행했다. 논문은 0.60C와 0.75C를 외부 시험 프로토콜로 각각 홀드아웃하고, 남은 충전 C-rate 중 하나를 내부 검증으로 순환시켜 잠재좌표의 RMSE와 음의 로그우도를 확인했다. 관측한 충전 C-rate 사이의 미지 내부 C-rate를 질의했을 때 생성 궤적이 이웃 프로토콜 사이에 연속적으로 놓였고, 몬테카를로 전파로 건강상태 불확실성도 산출했다.
이 결과는 실제 배터리에서 수집한 예측 성능이 아니라 통제된 물리 시뮬레이션 안의 보간 성능이다. 온도를 고정했고, 열화 경로는 선택한 DFN/P2D 모델과 프로토콜 가정에 의존한다. 연구진도 제조 편차·측정잡음·휴지 구간·온도 상승이 섞이는 실험 자료와의 융합은 후속 과제로 남겼다. 훈련 범위 밖 외삽보다 관측 프로토콜 사이 보간에 초점이 맞춰져 있다.
| 검증 항목 | 확인 내용 |
|---|---|
| 원자료 | PyBaMM DFN/P2D 시뮬레이션 |
| 표현 | 전압·dV/dQ·dQ/dV, 2차원 잠재공간 |
| 시험 조건 | 0.60C·0.75C 프로토콜 홀드아웃 |
| 출력 | 전압 궤적·잠재 posterior 기반 SOH 불확실성 |
| 핵심 제한 | 고정 온도·시뮬레이션 보간·실셀 미검증 |
자료: STORIUM 정리
BattVAE-GP는 물리 모델을 대체한다기보다 비싼 장기 시뮬레이션의 연속 대리모델로 보는 편이 정확하다. 잠재공간에서 확률적 불확실성을 유지한다는 점은 다음 시뮬레이션 조건을 고르는 데 유용할 수 있지만, 실제 셀 검증 전에는 운용 예측으로 쓸 수 없다. 공개일은 2026년 7월 11일이며 식별자는 arXiv:2607.11943이다. 동료검토 전 프리프린트다. 원문: https://arxiv.org/abs/2607.11943
저작권자 © STORIUM 무단전재 및 재배포 금지
