シカゴ大学、「ElectrolyteGPT」でバッテリー電解質の組成をAIが全自動生成

UChicago News アメリカ

概要

シカゴ大学プリツカー分子工学部の研究チームが、バッテリー電解質の組成全体を生成することを可能にするAIモデル「ElectrolyteGPT」を開発しました。このAIは、人間には不可能な速度で理論的な分子を生成し、複数の相反する特性要件を同時に満たす最適な組成を提案します。新しい表記法「fLine」を発明することで、電解質材料の生成に必要なパラメータをAIに学習させ、リチウム金属電池用の既存最先端電解質と同等以上の性能を持つ新規組成を複数発見しました。

詳細

主要成果

シカゴ大学プリツカー分子工学部の研究チームが、バッテリー電解質の化学組成全体を自律的に生成できる画期的なAIモデル「ElectrolyteGPT」を開発しました。このAIは、人間が想像し得ない速度で膨大な数の理論的な分子を生成し、特定の目的（例：安全性とエネルギー密度の両立）に適した電解質組成を提案します。研究者たちは、新しい表記法である「fLine」を導入することで、電解質材料の生成に必要な複雑なパラメータをAIに効率的に学習させ、既存の最先端リチウム金属電池用電解質と同等以上の性能を持つ新規組成を複数発見しました。この技術は、バッテリー開発のボトルネックを解消し、飛躍的な進歩をもたらすものです。

技術・臨床詳細

• ElectrolyteGPTの機能: ElectrolyteGPTは、大規模言語モデル（LLM）の概念を応用した生成AIであり、電解質溶液の成分、その濃度、混合比、添加剤の選択といった、組成全体の詳細なレシピを生成できます。これは単一分子の設計に留まらず、複雑な混合系の全体像をAIが把握できることを意味します。
• fLine表記法の導入: 電解質のような多成分系は、従来の分子記述子では表現が困難でした。研究チームは、これを解決するために「fLine (formulation Line notation)」という新しい表記法を開発しました。fLineは、電解質組成の全ての要素を簡潔かつ構造化された文字列として表現することで、AIが効率的に学習・生成を行うことを可能にします。
• 多目的最適化能力: ElectrolyteGPTは、バッテリーに求められる複数の特性（例：高いイオン伝導性、広い電位窓、優れた安定性、低いコスト）を同時に考慮し、これらの相反する要求のバランスを取りながら最適な組成を提案できます。これにより、試行錯誤型の実験サイクルを大幅に短縮できます。
• 性能検証: AIが生成した新規電解質組成は、リチウム金属電池における実験的評価において、既存の最先端電解質に匹敵する、またはそれを上回る性能（例：サイクル寿命、容量維持率）を示すことが確認されました。これにより、AI生成材料の実用性が実証されました。

背景・業界文脈

バッテリー技術は、電気自動車、再生可能エネルギー貯蔵、ポータブル電子機器の普及において中核をなす技術です。しかし、安全性、エネルギー密度、コスト、サイクル寿命といった面で、電解質は依然として主要なボトルネックの一つです。従来の電解質開発は、膨大な化学空間の中から最適な組成を見つけ出すための、時間とコストがかかる実験に依存していました。ElectrolyteGPTのようなAI駆動型アプローチは、この課題を克服し、より高性能で安全、かつ持続可能なバッテリーを迅速に市場に投入するための重要な手段となります。

今後の展望

ElectrolyteGPTの成功は、バッテリー電解質開発に革命をもたらし、次世代バッテリー技術の商用化を加速させるでしょう。将来的には、この生成AIモデルが、固体電解質や他のエネルギー貯蔵材料、さらには燃料電池や触媒といった他の化学分野における複雑な組成設計にも応用されることが期待されます。これにより、材料科学におけるAIの役割は一層拡大し、人間の研究者がより複雑で創造的な課題に集中できるようになる「AI共同科学者」の時代が現実のものとなるでしょう。最終的に、より持続可能でエネルギー効率の高い社会の実現に貢献します。