A fuel cell is an energy conversion device that converts the chemical energy of hydrogen (H2) and oxygen (O2) into electrical energy. As the importance of hydrogen as an alternative energy source to fossil fuels is increasingly emphasized, numerous corporations, public enterprises, and research institutions are dedicating efforts to its development.

The characteristics of the device vary depending on the type of electrolyte (polymer, phosphoric acid, and solid oxide, among others), leading to differences in operating temperature, expected output, and efficiency. EDML focuses on fuel cells composed of solid oxide, solid materials. Especially, we are developing highly performing and stable solid oxide fuel cells (Solid Oxide Fuel Cell) and proton-conducting fuel cells (Proton Conducting Fuel Cell). The aim is to identify and address various issues arising from these devices, maintaining stability while striving to achieve world-class performance in fuel cell development.

연료전지는 수소(H2)와 산소(O2)의 화학에너지를 전기에너지로 변환시켜주는 에너지변환디바이스 입니다. 화석연료의 대체 에너지원으로 수소의 중요성이 점점 더 부각되면서 여러 대기업, 공기업 및 연구소 등이 개발에 힘쓰고 있습니다.

전해질의 타입 (폴리머, 인산염, 그리고 고체산화물 등)에 따라 디바이스 특성이 달라지고 이에 따라 작동 온도 및 기대 출력 및 효율이 달라지게 됩니다. EDML에서는 고체산화물, 즉 고체, 로 이루어진 연료전지에 대하여 연구를 하고 있습니다. 산소이온을 전도시키는 산소이온전도성 연료전지 (Solid oxide fuel cell) 그리고 양성자를 전도시키는 양성자전도성 연료전지 (Proton conducting fuel cell)을 연구하고 있습니다. 해당 디바이스에서 발생하는 여러가지 문제점들을 파악하고 해결하여 안정성을 유지하면서도 세계 최고 성능을 보일 수 있는 연료전지 개발을 목표로 하고 있습니다.

The materials composing energy devices present various issues in terms of performance and durability. To focus on the surface characteristics of these materials, thin films in nanometer size are fabricated using vacuum deposition equipment such as Pulsed-laser deposition and Atomic layer deposition. Characterization analysis is then conducted using high-resolution surface analysis tools like X-ray photoelectron spectroscopy and Auger electron spectroscopy. Ongoing research involves identifying and addressing issues related to performance and durability, with efforts aimed at finding areas for improvement. 

에너지 디바이스를 구성하는 재료들은 성능 및 내구성 측면에서 다양한 문제점을 가지고 있습니다. 재료의 표면 특성에 집중하기 위하여, Pulsed-laser deposition, 그리고 Atomic layer deposition 과 같은 진공증착 장비를 이용하여 수-수십 nm (10^-9 m)의 박막을 구성하고 X-ray photoelectronsepctra, Auger electron spectroscopy 등과 같은 초고해상도 표면 분석장비를 이용하여 특성 분석을 진행합니다. 성능 및 내구성의 문제점을 파악하고 개선점을 찾아나가는 연구를 진행하고 있습니다.

To synthesize and develop various energy materials and components, it is essential to establish diverse manufacturing processes. In EDML, various nano-micro structures are synthesized and developed based on solution processes (wet-chemical), vacuum deposition, and electric field-driven printing technologies. The ultimate goal is to apply the developed structures to energy devices, aiming for the creation of high-efficiency, high-performance, and highly durable devices. 

앞선 여러가지 에너지 소재 및 소자를 합성 그리고 개발하기 위해서는 다양한 제조 공정의 개발이 필수적입니다. EDML에서는 용액 공정 (wet-chemical), 진공 증착 (Vacuum deposition), 그리고 전기장기반 프린팅 (Electricfield driven priting) 기술을 기반으로하여 여러가지 나노-마이크로 구조를 합성 및 개발 하고 있습니다. 개발된 구조를 토대로 에너지 디바이스에 적용하여 고효율, 고성능, 그리고 고내구성의 디바이스 개발을 최종 목표로 하고 있습니다.

The recent rapid development of AI (Artificial Intelligence) technology is utilized in various industrial and academic fields, leading to innovation. AI is also a powerful tool in the energy device field for increasing research efficiency and overcoming existing limitations. At EDML, we actively utilize cutting-edge AI technologies including machine learning, deep learning, and physics-informed neural networks to solve major challenges in the energy device field. In particular, we aim to present a new paradigm for the development of energy technology through convergence research such as system control based on machine learning, modeling and analysis of physical phenomena of devices using physics-informed neural networks, automated experimental research using AI, and prediction of long-term performance deterioration and lifespan of devices through time-series data analysis.

최근 AI(Artificial Intelligence) 기술의 비약적인 발전은 다양한 산업 및 학계 분야에서 활용되며 혁신을 이끌고 있습니다. 에너지 디바이스 분야 또한 AI 기술과의 융합을 통해 연구의 효율성을 높이며, 기존의 한계를 극복하는데 강력한 도구로 자리 잡고 있습니다. 우리 EDML에서도 머신러닝, 딥러닝, 그리고 물리-지식 기반 인공신경망을 포함한 첨단 AI 기술을 적극적으로 활용하여 에너지 디바이스 분야의 주요 과제를 해결하고 있습니다. 특히, 머신러닝 기반의 시스템 제어, 물리 법칙 기반의 신경망(Physics-informed neural network)을 활용한 디바이스의 물리적 현상 모델링 및 분석, AI를 활용한 자동화 실험 연구, 시계열 데이터 분석을 통한 디바이스의 장기적인 성능 열화 및 수명 예측 등의 융합 연구를 통해 에너지 기술 발전의 새로운 패러다임을 제시하는 것을 목표로 하고 있습니다.

Developing SOFC Multiphysics Code

We are developing a module for electrochemical numerical simulation of solid oxide fuel cells (SOFCs) including multi-physics. We are also developing a one-dimensional model of degradation rate and overvoltage due to structural differences in the material in the thickness direction, as well as optimization of various operating conditions and structures in zero dimension based on MATALB.

Development of SOFC three-dimensional multiphysics CFD analysis coding

As a complex system with intertwined temperature, pressure, chemical reactions, and electrical properties, 3D computational analysis enables spatially accurate analysis of complex interactions to identify localized overheating, and concentration imbalances, and develop design and operational approaches. Fuel and air channel design and electrode and electrolyte thickness optimization models are under development.