关闭

利用AI方法演示全固态锂二次电池的高效材料搜索方法 - 有望通过缩短材料研发周期增强产业竞争力 -

新闻与主题

类别:新闻稿 |发布于 2020 年 7 月 27 日


演示要点

〇在材料开发中,我们证明可以使用人工智能AI方法通过直接搜索来确定最佳材料
〇人工智能搜索将达到最优材料的实验次数减少到综合搜索的1/3左右
〇 考虑多种物理特性,能够有效探索复杂成分材料

摘要

 本校工学研究科和前沿研究所(材料学、情报学)的研究小组正在对被认为有望成为下一代汽车电池的全固态锂二次电池(*1)的固体电解质材料(*2)进行研究。在开发过程中,我们直接将材料信息学研究(通过将人工智能和数据科学的思想添加到传统材料研究方法中来简化研发的领域)应用到材料实验中,并证明可以有效地确定材料探索。此外,我们已经确认可以简化考虑多种材料特性的搜索,例如离子电导率和机械特性(烧结密度)。
以往的材料信息学研究主要集中在具有丰富数据的材料模拟上,但模拟中未假设或考虑的复杂元素往往变得很重要,每次都需要通过实验进行验证。
 该研究成果是材料实验和材料信息学直接联系的一个例子,并阐明了其有效性。未来,通过利用电池材料优化合成和加工工艺相关条件,预计将缩短电池材料的开发周期。

研究背景

 从安全性和性能的角度来看,全固态锂二次电池有望作为下一代电动汽车电池得到开发和实施。商业化需要提高一种称为固体电解质的材料的锂离子电导率。
众所周知,固体电解质如硅半导体,具有通过添加少量不同元素(称为掺杂剂)将离子电导率提高几个数量级等效果。迄今为止,这种掺杂剂的最佳选择和添加量需要研究人员根据经验和直觉,通过大量重复实验、反复试验来缩小范围,导致开发周期较长。缩短研发周期也是增强产业实力的重要课题。

研究内容

 在这项研究中,我们将使用一种具有高锂离子传导性且稳定的固体电解质材料(NASICON型磷酸锆锂,LiZr),用于大容量金属锂负极。2(订单4)3)中同时添加掺杂剂Ca(钙)离子和Y(钇)离子,我们的目标是提高离子电导率和烧结密度。当我们实际合成了 47 种含有两种掺杂剂的材料并评估其性能时,我们发现晶体结构、烧结密度、杂质含量和锂离子导电性能之间存在复杂的相关性,如图 1 所示。
 基于这些材料特性,根据直觉或经验找到最佳的不同元素和添加量被认为是极其困难的。

图1jpg

图 1 钙(Ca:纵轴)和钇(Y:该图显示实验观察到的添加量时实验观察到的稳定相的晶体结构分布(六方/单斜结构的生成比例以红色/蓝色显示)、杂质含量(杂质量越大,紫色越深)、烧结密度(机械强度较好的材料以绿色显示)、以及实验观察到的添加量时的锂离子电导率(离子电导率越高,黄色)乍一看,各种材料性能的变化趋势与两类掺杂剂的添加量之间没有相关性,这表明从简单的定律来全面预测材料性能是很困难的。


 我们将人工智能方法贝叶斯优化(*3)的选择结果与实验中获得的47种组合物的数据进行了比较和分析,并确认能够以1/3的实验采样数以999%以上的概率找到最佳解决方案(图2)。此外,我们能够确认多目标优化也是可能的,其中在探索材料的同时考虑离子电导率和烧结密度的性能(与材料的机械性能等相关)。
 我们已经证明,传统上根据研究人员的经验、洞察力或直觉来确定“下一个要实验的作品”的选择,可以通过引入人工智能方法,用少量样本来完成。

图2jpg图 2 这显示了在添加不同量的钙 (Ca) 和钇 (Y) 的 47 个样品中寻找表现出最高离子电导率的材料的过程。 (发现概率(纵轴)与实验数量(横轴))。与47次详尽实验的结果相比(黑色虚线表示随机选择材料时的搜索结果),使用AI方法搜索材料时,通过搜索约15次(所有样本的1/3),可以几乎100%的概率发现最优材料。 (红色三角形虚线)。

社会意义

 使用传统易燃有机电解质的锂离子电池存在着火事故等安全问题。使用不可燃无机陶瓷电解质的全固态电池的开发预计不仅可以提高安全性,还可以提高电池容量。其中的关键是新材料的开发。
 在生产现场,我们致力于开发安全、高品质、高功能的材料。优化组成和合成条件是商业化的关键步骤,占据了研发周期的很大一部分。使用贝叶斯优化的最佳成分搜索方法可以缩短开发周期,并且不仅可以用于电池材料在各种材料开发中的应用将有助于提升产业竞争力。

未来发展

 
 这次,我们寻找添加了两种掺杂剂的材料的最佳成分,但我们还解决了诸如优化烧制温度和时间等工艺条件等问题。我想缩短材料研发所需的时间

这项研究得到了日本学术振兴会科学研究资助金的支持。

术语表

(*1)全固态锂二次电池
 这是一种全固态电池,它不是使用可燃有机电解质的传统锂离子电池,而是用不可燃无机陶瓷材料代替电解质,以提高安全性和电池容量。
(*2)固体电解质材料
 全固体锂二次电池中的固体电解质材料对应于可以流动锂离子的陶瓷材料。为了实现全固态锂二次电池,人们正在积极寻找具有高锂离子电导率的材料。
(*3) 贝叶斯优化
 一种人工智能方法,根据贝叶斯推理从您拥有的数据中提出要观察的下一个数据点,并优化整个搜索过程中的步骤数。

论文信息

论文标题:贝叶斯优化引导全固态锂离子电池NASICON型固体电解质的实验搜索
作者姓名:原田麻帆(研究时生命与应用化学系研究生)、武田速水(特聘副教授)*、铃木慎也(信息工学系研究生)、中野隆吉(前沿研究所生命与应用化学系研究生)、谷端直人(生命与应用化学系助理教授)、中山政信(前沿研究所生命与应用化学系教授)*、乌山昌之(信息工学系副教授)、竹内一郎(前沿研究所信息工学系教授)(*通讯作者)
出版杂志名称:Journal of Materials Chemistry A
发布日期:2020 年 7 月 23 日
DOI:101039/d0ta04441e
网址:

联系信息

研究相关事宜

V体育工学研究生院生命与应用化学系前沿研究所
中山正信教授
电话:052-735-5189
电子邮件:masanobu[at]nitechacjp

公共关系很重要

V体育企划公关科
电话:052-735-5647
电子邮件:pr[at]admnitechacjp

*请将每个 [at] 替换为 @。


关于V体育爆发新型冠状病毒感染疫情