Open Electrolyte Databank: Unlocking Molecular-Mixture Intelligence for Battery Electrolyte Discovery through a Standardized, Multimodal Foundation

Motivation

• Known: MoleculeNet과 같은 기존 chemistry AI 벤치마크는 single-molecule property prediction에 집중되어 있고, 기존 battery 데이터셋들은 full-cell aging 및 성능 이력에 초점을 맞춰 화학적 다양성이 제한적이다. CheMixHub 같은 mixture benchmark도 ionic conductivity라는 단일 modality에 국한된다.
• Gap: Electrolyte 성능은 molecular mixture, composition, protocol, device context에 의해 좌우되지만, 이를 formulation 단위로 protocol과 multimodal evidence(NMR, Raman, XPS, SEM, MD, DFT 등)와 함께 표준화하여 machine-readable하게 연결한 데이터 인프라가 부재하다.
• Why: 고에너지밀도 저장장치(특히 metal-anode 시스템)를 위한 electrolyte 설계는 AI 데이터센터 에너지 수요 대응과 전동화 교통, grid-scale buffering 등에 핵심적이며, formulation-aware 학습 인프라는 mixture-aware benchmarking, retrieval, closed-loop discovery를 가능케 하여 실질적 연구 가속에 기여할 수 있다.
• Approach: literature-derived formulation-level record를 CE, capacity retention 등 protocol-conditioned cell outcome과 conductivity, viscosity 등 electrolyte-intrinsic property로 구분하여 표준화하고, provenance와 confidence metadata를 포함한 multimodal(스펙트로스코피, MD, DFT) 스키마로 구축하는 접근을 취한다.

Achievement

1. CE 데이터셋 규모 확대: 기존 공개 자료 대비 약 10배 큰 Coulombic Efficiency(CE) 데이터셋을 초기 proof of concept으로 구축하였다.
2. Formulation-native 스키마 설계: solvent, salt, additive의 canonical identity, 표준화된 조성 비율·농도, 실험 context(전류밀도, 온도, 셀 구성), 측정치, confidence metadata를 하나의 단위로 통합하는 5요소 결합 레코드 구조를 제안하였다.
3. Protocol-conditioned outcome 프레임 제시: CE와 capacity retention을 조성만의 속성이 아니라 electrode, separator, voltage-window, cycling-protocol 등과 결합된 조건부 outcome으로 재정의하는 평가 프레임을 제시하였다.

How

• 문헌 및 supplementary information으로부터 metal-anode electrolyte 논문을 automated extraction, rule-based normalization, targeted expert adjudication을 거쳐 표준화된 레코드로 변환
• 기존 electrolyte-mixture 데이터셋(BAMBOO, DiffMix, GeoMix 등)을 라이선스가 허용하는 범위에서 통합
• weight-, volume-, molar-ratio 변환 규칙 등 표준화 파이프라인을 Appendix A에 상세 기술
• benchmark task를 formulation-to-property prediction, out-of-distribution 평가(unseen solvent/salt/additive/ratio/protocol), retrieval 및 evidence synthesis 세 가지로 구성
• data card, changelog, schema version, extraction model version, benchmark split hash, known-limitations file 등을 포함한 버전 관리 및 governance 체계 마련

Originality

• 기존 single-molecule 중심 벤치마크 패러다임에서 벗어나 molecular-mixture와 protocol context를 결합한 formulation-level 단위를 데이터셋의 atomic unit으로 설정한 점이 독창적이다.
• CE, capacity retention과 같은 cell-level 측정치를 electrolyte-intrinsic property와 구분하여 protocol-conditioned outcome으로 취급하는 프레임이 기존 battery 데이터셋과 차별화된다.
• NMRNet, Electrolyte Genome 등 인접 데이터 자원과의 연계를 통해 multimodal evidence(스펙트로스코피, MD, DFT)를 formulation과 유기적으로 결합하려는 시도가 새롭다.

Limitation & Further Study

• 아직 workshop 제안 단계의 position paper로, 전체 데이터셋 구축이 완료되지 않았으며 CE 데이터셋 외 실질적 성능 검증이나 벤치마크 결과가 제시되지 않았다.
• 문헌 기반 extraction의 정확도, 라이선스 제약으로 인한 raw text/figure 재배포 한계, 표준화 파이프라인의 확장성에 대한 구체적 검증이 부족하다.
• 후속 연구로 MD/DFT 기반 computational enrichment, robotic platform을 통한 gold-standard validation, closed-loop optimization task로의 확장이 필요하다.

Evaluation

총평: Electrolyte 발견을 위한 formulation-aware, multimodal 데이터 인프라의 필요성을 명확히 제시하고 초기 proof-of-concept을 보여준 의미 있는 position paper이나, 실제 데이터셋 구축과 벤치마크 성능 검증은 향후 과제로 남아있다.