NRF 및 TÜBİTAK 지원 · 2027–2028
KTBIX
배터리 인텔리전스
eXchange
리튬이온 배터리 상태건강도(SOH) 추정을 위한 물리정보 변분 정보 병목(PI-VIB-ResNet)에 관한 한국–튀르키예 공동 연구. 전기화학 임피던스 분광법(EIS) 기반.
PI-VIB-ResNet 파이프라인
원시 EIS 데이터
T-EV 및 TOGG EV의 나이 퀴스트 스펙트럼
▼
웨이블릿 잡음 제거
다중 레벨 잡음 억제
▼
특징 스케일링
정규화 및 임피던스 매핑
▼
VIB 잠재 추출
물리정보 정보 병목
▼
ResNet-BPNN
잔차 심층 신경 회귀
▼
SOH 추정
RMSE ≤1.2% — BMS 출력
프로젝트 소개
AI 및 물리학을 통한 배터리 진단 발전
KTBIX(한국–튀르키예 배터리 인텔리전스 eXchange)는 NRF 한국과 TÜBİTAK 튀르키예가 지원하는 24개월 양자 모빌리티 프로젝트입니다. 세종대학교(서울)와 이스탄불 공과대학교(이스탄불)가 협력하여 차세대 전기 모빌리티의 핵심 과제인 실제 현장 조건에서의 정확하고 강건한 배터리 SOH 추정을 연구합니다.
"우리는 발표된 AE-BPNN 기준선(Scientific Reports, 2025)에서 물리정보 변분 정보 병목 아키텍처로 전환하여 순수 데이터 기반 EIS 모델의 잡음 얽힘 및 일반화 한계를 직접 해결합니다."
이 프로젝트는 터키 T-EV 플랫폼과 TOGG 차량의 실제 EV 현장 데이터(WP1)를 활용하고, 세종대학교 AINTLab에서 개발한 새로운 PI-VIB-ResNet 모델(WP2)과 결합하여 국제적으로 인정받는 옥스퍼드 및 NASA 배터리 데이터셋(WP3)으로 검증합니다.
나이퀴스트 플롯 — EIS 시그니처
~1.8%
기준선 RMSE
AE-BPNN (2025)
≤1.2%
목표 RMSE
PI-VIB-ResNet
3+
데이터셋
옥스퍼드, NASA, T-EV
2+
화학 종류
NMC, LFP 등
연구 하이라이트
KTBIX의 6가지 기둥
물리 제약 딥러닝부터 개방형 산업 데이터셋까지 — KTBIX는 배터리 SOH 추정 스택의 모든 레이어를 발전시킵니다.
핵심 혁신
물리정보 VIB
변분 정보 병목은 측정 잡음과 구조적 EIS 특징을 분리하면서 Loss_Physics 항이 Randles 회로 제약을 통해 전기화학적 일관성을 강제합니다.
아키텍처
ResNet-BPNN 아키텍처
잔차 스킵 연결은 심층 BPNN 레이어에서 그래디언트 소실을 방지하여 다양한 배터리 화학 및 노화 상태에서 복잡한 임피던스-SOH 매핑을 위한 15+ 레이어 깊이를 가능하게 합니다.
WP1 — ITU
산업 현장 데이터
실험실 전용 데이터셋과 달리, KTBIX는 실제 터키 EV 플리트(T-EV 플랫폼) 및 TOGG 차량에서 EIS 측정값을 획득하여 다양한 주행 사이클과 기후 조건을 포함합니다.
WP3 — 공동
설명 가능 AI (XAI)
SHAP 귀속 및 그래디언트 현저성 맵은 어떤 임피던스 특징(R_ct, W, CPE)이 SOH 예측을 주도하는지 밝혀 BMS 엔지니어와 규제 검증에 필수적입니다.
WP3 — 공동
벤치마크 검증
SVR, LSTM, Transformer-SOH 및 옥스퍼드·NASA 데이터셋에서 기존 EIS 등가 회로 피팅을 포함한 5 개 이상의 최신 기준선과 엄격한 비교.
WP4 — 공동
양자 지식 교류
두 차례의 국제 워크숍(이스탄불 2027; 서울 2028), 연구자 교환 방문, 공동 박사 공동 지도, GitHub 및 Zenodo를 통한 오픈소스 코드 및 데이터셋 공개.
프로젝트 구조
작업 패키지
측정 가능한 이정표, 이중 기관 주도 및 구체적 교류 산출물을 갖춘 24개월간의 4개 조정 작업 패키지.
WP1ITU — 이스탄불 공과대학교
현장 EIS 데이터 수집
터키 T-EV 플랫폼과 TOGG 전기차에 임피던스 분석기를 배치합니다. 다양한 온도 범위와 노화 상태에 걸쳐 EIS 스펙트럼을 수집하고 정제된 공개 데이터셋을 제공합니다.
⏱ M1 – M8
WP2SJU — 세종대학교 · AINTLab
PI-VIB-ResNet 모델 설계
물리정보 변분 정보 병목 인코더와 심층 ResNet-BPNN 회귀기를 설계하고 훈련합니다. 절제 연구와 하이퍼파라미터 최적화를 수행합니다.
⏱ M4 – M14
WP3공동 — ITU + SJU
벤치마크 검증 및 XAI
옥스퍼드, NASA, T-EV 데이터셋에서 PI-VIB-ResNet을 교차 검증합니다. 5개 이상의 기준선과 비교하고, 설명 가능성을 위해 SHAP 및 그래디언트 현저성을 적용합니다. Q1 논문 2편 이상 발표합니다.
⏱ M10 – M22
WP4공동 — ITU + SJU
지식 교류
연구자 교환 방문(ITU↔SJU, 각 방향 최소 2주), 두 차례의 국제 워크숍(이스탄불 M10, 서울 M22), 박사 공동 지도, 오픈소스 코드 공개.
⏱ M1 – M24
연구팀
책임연구원
세종대학교 방문(시야프루딘 교수의 튀르키예 방문, 세종대학교 지원)과 2025년 공동 논문을 기반으로 한 대륙 간 파트너십.
🇰🇷
Principal Investigator · Korea
Prof. Muhammad Syafrudin
Sejong University (SJU) · AINTLab · Seoul, Korea
🇹🇷
Principal Investigator · Türkiye
Prof. Muhammet Tahir Güneşer
Istanbul Technical University (ITU) · Istanbul, Türkiye
📄
기반 논문 (2025)
"AE-BPNN: 리튬이온 배터리 SOH 추정을 위한 오토인코더 및 역전파 신경망 기반 모델." — Scientific Reports, Nature Publishing Group.
지식 교류
국제 워크숍
글로벌 배터리 연구 커뮤니티에 개방된 두 차례의 주요 워크숍 — 협력의 양쪽에서 각각 개최됩니다. *정확한 날짜는 추후 업데이트됩니다.
2027
이스탄불, 튀르키예 · M10
배터리 관리 시스템에 산업 현장 데이터 통합
주최: 귀네세르 교수 · ITU
📍이스탄불 공과대학교(ITU), 이스탄불
🗓️2027년 10월 (프로젝트 10개월차)*
👥국제 참가자 — 한국, 튀르키예, EU 파트너
📢ktbix.org를 통한 공개 등록
2028
서울, 한국 · M22
세컨드라이프 배터리 예측을 위한 설명 가능 AI (XAI)
주최: 시야프루딘 교수 · 세종대학교 / AINTLab
📍세종대학교(SJU), 서울, 한국
🗓️2028년 10월 (프로젝트 22개월차)*
👥국제 참가자 — 한국, 튀르키예, ASEAN 파트너
📢ktbix.org를 통한 공개 등록
프로젝트 일정
24개월 로드맵
데이터에서 발견으로, 발견에서 보급으로 연결하는 세 가지 전략적 단계.
1단계 · 2027 상반기
데이터 수집 및 모델 기초
T-EV/TOGG 플랫폼에 EIS 하드웨어 배치. 기준선 측정 수집. PI-VIB 인코더 설계 시작. 교환 방문: ITU 연구원의 SJU 방문 (최소 2주). M3: WP1 프로토콜 보고서.
2단계 · 2027 하반기–2028 상반기
모델 훈련, 검증 및 이스탄불 워크숍
T-EV 데이터로 PI-VIB-ResNet 전체 훈련. 옥스퍼드·NASA 데이터셋 교차 검증. SHAP 설명 가능성. 이스탄불 워크숍 (M10). 교환 방문: SJU 연구원의 ITU 방문. 첫 Q1 논문 제출.
3단계 · 2028 하반기
보급, 서울 워크숍 및 2단계 제안서
최종 벤치마크 비교 (5개+ 기준선). 서울 워크숍 (M22). BMS 하드웨어 통합 시연. GitHub·Zenodo 오픈소스 공개. 두 번째 Q1 논문 제출. 2단계 연구비 제안서 준비.
