マテリアルズインフォマティクスを活用してリチウム電池の高性能負極用有機材料を発見 慶應義塾大と東京大

  • このエントリーをはてなブックマークに追加

実験主導型MIによる有機負極材料の効率的な探索

科学技術振興機構(JST)は2019年9月6日、慶應義塾大学と東京大学の研究グループが、マテリアルズインフォマティクス(MI)を活用して、世界最高水準のリチウム電池負極用有機材料を発見したと発表した。

電池の省資源化は重要なテーマとなっており、その解決策の1つとして希少な金属資源を使用しない有機材料を使った電池の研究が進められている。

高性能のリチウムイオン二次電池などの有機負極を実現するための研究は、2010年頃から世界的に行われている。しかし、どのような分子構造を持つものが高い性能を示すのかが明らかでなかったため、試行錯誤と研究者の勘に頼るしかなく、より合理的な設計指針の確立が求められていた。

一方、コンピューターによる情報科学の手法を材料科学に取り入れたMIは、ビッグデータを活用することで、経験や勘に頼らずに新材料などを探索する手法として進展してきた。しかし、実験科学のデータは小規模であるためにMIには向かないとされてきた。

今回、同研究グループで以前より取り組んできた、小規模でも比較的正確な独自実験データと、実験科学者の経験や勘、そして機械学習の手法を融合した「実験主導型MI」を用いることで、高性能のリチウムイオン二次電池の有機負極材料の発見とその手法の確立に成功した。

具体的にはまず、共役骨格を持ち、これまでの知見からリチウムイオンと反応すると予測した16個の有機化合物の負極としての容量を実測。これら16個の化合物の容量に寄与すると予想される要因を、研究者の経験や勘も踏まえて24個挙げた。この情報に対し、容量を決定づけている少数(2~3)の因子を、スパースモデリングによる機械学習で抽出した。スパースモデリングは、「現象の要因は少数(スパース)である」という仮定に基づいて主要因を抽出する方法だ。

この学習結果に基づく容量予測モデルを使って、研究者の経験や勘も交えて選択した市販の化合物の中から負極としての性能が未知の11の化合物の容量の予測値を算出。予測容量の高かった3個の化合物について実験による実測をした結果、2個の化合物で実際に高い容量を示した。

予測モデルによると、そのうちの1つが重合体合成によりさらに容量の向上が予測され、実際に重合化したものは、世界最高水準の高容量と高耐久性を持つ有機材料による負極であることが実験で示された。

今回の研究によって、従来のMIとは違って実験科学者による小規模データと経験や勘、また機械学習を融合させた実験主導のMIでも材料探索を効率化できることを示した。また、今回確立された設計指針によって、さらなる性能向上や新物質の発見が期待されるという。

関連リンク

プレスリリース

関連記事

アーカイブ

fabcross
meitec
next
メルマガ登録
ページ上部へ戻る