AI活用で次世代電池電解質の開発を加速：三つの理想特性を同時に満たす分子の探索に成功

次世代バッテリー電解質発見にAIと機械学習が挑む 次世代バッテリーの開発において、新しい且つ高性能な電解質を見つけることは主な瓶neckとなっています。これは特に電気自動車、スマートフォン、ラップトップ、大規模グリッド energetic storageシステム向けのバッテリー設計において重要です。電極には異なる特性が求められ、それぞれが互いに矛盾しているため、最適な電解質を見つけ出すのは難しく、試行錯誤のプロセスに頼らざるを得ませんでした。 リテシュ・クマール博士が主要著者として参加した研究グループが、Chemistry of Materials誌に新たなフレームワークを発表しました。このフレームワークではAIとmachine learningを活用して、3つの主要な性能（イオン伝導率、酸化安定性、クーロン効率）を最大化する分子を効率的に特定します。クマール博士はエリック・アンド・ウェンディ・シュミット AI 在科学 Postdoctoral Fellowで、シカゴ大学Pritzker分子エンジニアリング学部（UChicago PME）のアマンチュクワ・ラボで研究を行っています。 彼らの研究では、250篇以上の研究論文から取り出したデータセットを使用し、各分子に対して「eScore」を計算しました。「eScore」は上記3つの特性をバランス良く評価し、これら全ての基準を満たす分子を特定します。この新しい手法を用いて、すでに市販の最良の電解質と同等の性能を持つ1つの分子を発見しました。これは、電解質の最適化が試行錯誤に依存している現在の状況において大きな進展と言えます。 産業界からの評価と展望 ノースウェスタン大学のジェフリー・ロペス准教授（化学系・生物学系工学）は、このデータドリブンの研究フレームワークについて次のように述べています。「電解質の最適化は遅く、課題が山積みですが、このような研究フレームワークは新たなバッテリー材料を開発する上で不可欠です。AIを活用した科学研究や自動化された实验室技術の発展を有効に連携させることができ、開発プロセスを大幅に加速します。」 シカゴ大学Pritzker分子エンジニアリング学部の研究者は、すでにAIを用いてがん治療薬、免疫療法、水処理方法、量子材料など他の技術分野での研究を進めています。理論上、バッテリー電解質となり得る分子の数は10の60乗（1の後ろに60個の0）にも及ぶため、有望な候補を迅速に特定できるAI技術は非常に重要なツールとなります。 開発の背景と今後の課題 2020年から手動で訓練データの収集を始め、過去50年の研究文献から数千種類の電解質候補をデータセットに抽出しました。しかし、データの収集には技術的な課題があります。ほとんどの大型言語モデルは文字部分のみを学習するため、画像からデータを抽出することに苦闘しています。これまでもUChicago PMEチームはこれらのデータを手動で取り入れ Registroいましたが、今後も継続的 Effortが必要です。 このフレームワークの次なる目標は、既知の分子と異なる化学空間にある分子を予測し、それらが理想的な電解質となるかどうかを判断することです。クマール博士とアマンチュクワ准教授は、AIが初めて目にする分子でも高い精度で予測できることを確認しましたが、未確認の材料を判別する能力はまだ限られています。これが今後の研究の主要な課題となり、次世代バッテリーの開発をさらに加速させる可能性があります。 業界関係者のコメント ジェフリー・ロペス准教授は、「研究者が多成分混合物の競合する特性をバランス取るために試行錯誤に頼る現状を改善するために、このようなデータ駆動型の研究フレームワークは不可欠です」と語ります。また、UChicago PMEはエリック・アンド・ウェンディ・シュミット AI の援助を受けている新興研究機関であり、分子エンジニアリング分野における革新的な研究を進めています。