全固体電池素材|東北大がAIによる自律型発掘モデルを提示、開発手法の効率化

비즈월드 韓国
概要
東北大学の研究チームが、AIと自動化実験を組み合わせた次世代全固体電池向け固体電解質の統合研究フレームワークを提案した。素材データベース、AIシミュレーション、大規模言語モデル(LLM)、自動化実験を統合し、有望な素材を自律的に発掘するシステムである。これにより、研究者の経験や反復実験に依存していた従来の開発手法から、データ蓄積に基づく効率的な開発体系への転換が可能になる。
詳細

主要成果

東北大学の高等材料研究機構(WPI-AIMR)のCheng Jianfeng(青젠펑)副教授とLi Hao(리하오)教授らが率いる国際共同研究チームが、AIを活用して全固体電池の核心素材である固体電解質を効率的に発掘する統合研究プラットフォームを提案した。この研究成果は、国際学術誌「Advanced Materials」の最新号に掲載されている。

技術・詳細

提案されたフレームワークは、以下の4つの要素を組み合わせた「クローズドループ(閉鎖型)」の研究システムである。

  • 素材データベース:素材の製造条件と実際の実験結果を蓄積し、AIが学習可能な形式で記録する。
  • AIシミュレーション:機械学習を用いた原子間相互作用モデルにより、リチウムイオンの移動や物理的特性を分析する。従来の計算手法よりも、より長い時間軸かつ現実的な構造での挙動予測を目指す。
  • 大規模言語モデル(LLM):論文や図表などに分散している素材情報を抽出し、構造化データに変換することで、研究者が手作業で論文を検索・整理する手間を削減する。
  • 自動化実験:AIが提案した有望な候補素材を物理ベースのモデルで検証し、実際の実験で性能を確認する。その結果を再びデータベースに反映させ、AIが次なる候補を提案するサイクルを構築する。

背景・業界の文脈

全固体電池は、従来のリチウムイオン電池で用いられる液体電解質を固体電解質に置き換える技術である。液漏れや発火のリスクを低減し、エネルギー密度を高められるため、次世代の電気自動車(EV)やエネルギー貯蔵装置(ESS)の基幹技術として注目されている。

固体電解質には、リチウムイオンを高速に移動させつつ電子を遮断すること、充放電時の電極界面における化学的安定性の維持、機械的強度、および製造の容易さといった厳しい条件が求められる。従来の研究は主にイオン伝導度の高い素材の探索に集中していたが、実験室レベルで高い数値を示した素材が、実際の電池として同等の性能や安定性を発揮するケースは多くないという課題があった。

今後の展望

研究チームは、このAIベースの統合プラットフォームを導入することで、個々の研究者の経験や単純な反復実験に頼る手法から、継続的にデータを蓄積し改善する体系的な開発へと移行できると説明している。この技術が発展すれば、電気自動車用バッテリーのみならず、携帯用電子機器や大規模エネルギー貯蔵分野における次世代素材の開発にも大きな影響を与えることが期待される。

元記事: https://www.bizwnews.com/news/articleView.html?idxno=151264

毎週の技術動向レポートを無料でお届け

各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。

📢 メールマガジンに無料登録(週刊・技術動向レポート)

ご登録いただくと、Troy-Technical から週刊で技術動向レポート(メールマガジン)をお届けします。

  • 取得したメールアドレス・選択分野は配信目的にのみ使用します。
  • 第三者へ提供することはありません。
  • 配信はいつでも解除できます(各メール下部のリンクから)。

詳しくはプライバシーポリシーをご覧ください。

登録は1分・いつでも解除できます

この記事は Troy-Technical が公開しています。素材メーカーで技術開発に携わってきた技術者が、個人で運営しているサイトです。
運営者について / お問い合わせ info@troy-technical.jp
よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!

この記事を書いた人

目次