コーンエル大学の研究チームが、高伝導性リチウムイオン電解質の化学的メカニズムを解明する新AIフレームワーク「SCAN」を開発した。この成果は2026年2月19日、『Nature Computational Science』に掲載された。SCANは、電解質の塩、溶媒、動作条件といった複数の要素がどのように相互作用してイオン伝導を促進するかを、動的かつ解釈可能な形でモデル化する仕組みだ。従来のAI手法が「ブラックボックス」的な統計的相関に依存するのに対し、SCANは各化学成分の意味ある特徴量を分離して処理し、それらを適応的に統合する。このアプローチにより、実験データを用いた検証で、従来の機械学習手法よりも予測誤差を65％以上低減した。特に、次世代バッテリーに求められる極めて高い伝導性を示す希少な電解質の予測精度も維持できた。 共同研究者であるフェンキ・ユウ教授（コーンエル工学部エネルギー・システム工学教授）は、「エネルギー材料の開発では、結果の予測だけでなく、その背後にある化学的原理の理解が不可欠だ」と強調。彼は、物理法則と統合された解釈可能性のあるAIツールの構築が、信頼性とスケーラビリティを持つ設計支援の鍵になると指摘した。 本研究は、コーンエル大学の「AI for Science（AI4S）イニシアチブ」の一環として進められており、エネルギー・材料・環境課題へのAI応用を推進している。また、ユウ教授と研究員のジーロン・ワン氏による別論文（『Science Advances』掲載）では、固体電池研究におけるAI統合の包括的枠組みも提案されており、戦略と実装の連携を図っている。 SCANは、AIが単なる予測ツールではなく、科学的知見の創出を支える新たなプラットフォームとして、次世代バッテリー開発に大きな影響を与えると期待されている。