データサイエンスで効率的に全固体電池材料の最適化予測に成功

2018.04.19

国立研究開発法人物質・材料研究機構
国立大学法人名古屋工業大学

NIMSと名古屋工業大学は、トヨタ自動車と共同で、次世代の全固体電池の固体電解質材料候補について、高精度材料シミュレーションとデータサイエンスの手法を組み合わせることで、効率的にイオン導電性を最大化するような最適組成を決定するスキームを開発しました。更に、リチウムイオン伝導性材料の最適化で獲得した知識をナトリウムイオン伝導性材料の最適化に承継する転移学習の有効性も実証しました。

概要

物質・材料研究機構 (以下、NIMS) と名古屋工業大学は、トヨタ自動車と共同で、次世代の全固体電池の固体電解質材料候補について、高精度材料シミュレーションとデータサイエンスの手法を組み合わせることで、効率的にイオン導電性を最大化するような最適組成を決定するスキームを開発しました。更に、リチウムイオン伝導性材料の最適化で獲得した知識をナトリウムイオン伝導性材料の最適化に承継する転移学習の有効性も実証しました。
近年、電池メーカーや自動車メーカーを中心に全固体電池の開発が進められています。従来の可燃性有機電解液を用いたリチウムイオン電池に比べて、不燃性のセラミックスを用いた固体電解質による全固体電池は高い安全性が保障されます。また、電池のコンパクト化ができることから、より高いエネルギー密度を実現できる次世代電池として期待されています。しかし固体電解質として高いイオン導電性を有したセラミックス材料を、膨大な物質候補の中から試行錯誤的に探索・発見することは困難であり、効率的な探索方法が求められています。
今回、高精度材料シミュレーションにより固体内リチウムイオン伝導性のデータベースを作成し、その結果をデータサイエンスにおけるベイズ最適化および転移学習を組み合わせることによって、効率的に優れた材料を発見できることを確認しました。具体的にはタボライト型構造を有し、化学組成が異なる318種の材料のリチウムおよびナトリウムイオン導電性を評価対象に本手法を適用したところ、従来の試行錯誤的手法に比べて2~3倍程度の探索速度向上が確認できました。
従来の材料シミュレーションは既知材料のイオン導電性などのメカニズムを詳細に解析することに用いられてきましたが、今回の成果では、データサイエンスの技術を組み合わせることで、所望の機能をもった材料を発見するためのツールになりうることを示すことができました。また、今回の成果はデータサイズが拡大するほど効率が高くなると期待されるため、今後の大規模材料探索に有効な技術と位置づけることができます。
本研究は、NIMSのRandy Jalem研究員、名古屋工業大学 (NIMS情報統合型物質・材料研究拠点兼任) の中山将伸教授、竹内一郎教授、同大学博士前期課程学生の金森研太氏と、トヨタ自動車の山﨑久嗣博士、斎藤俊哉博士からなる研究チームによって行われました。また本研究は、国立研究開発法人科学技術振興機構 (JST) のイノベーションハブ構築支援事業「情報統合型物質・材料開発イニシアティブ」の支援を受けて行われました。
本研究成果は、英国時間2018年4月11日午前10時 (日本時間11日18時) にScientific Report誌にオンライン掲載されました。