これにより、計算負荷の大きい第一原理計算からのデータが比較的少数しか得られていなくても、AI手法と組み合わせることで、最適な材料組成を効率的に見つけ出し、材料開発を大幅に加速できることが実証されました。今後、電池、半導体、磁性体などの材料開発分野で、今回の例をはじめとするマテリアルズ・インフォマティクス（注3）技術の活用が大いに期待されます。
背景
これまで、材料開発の成功は研究者・技術者の長年にわたる経験や鋭い勘に頼らざるを得ず、多くの失敗の積み重ねも必要とされていました。一方、第一原理計算は材料の組成を指定すれば量子力学に基づいて特性予測が可能であるため、新たな高機能材料の最適組成を実験に先立って予測し、実験の失敗を低減するのに役立ちますが、計算負荷が非常に大きく、様々な組成について一度に多数の計算を行うと計算そのものに膨大な時間がかかるという問題がありました。
概要
理研AIP-富士通連携センターでは、「想定外を想定するAI」をテーマとして研究開発を行っています。その1テーマとして、材料シミュレーション、実験、AIの密接な連携を通して材料開発における課題を解決し、開発期間を数分の一に短縮すること、更には、容易には思いつかない組成や結晶構造をもつ新たな高機能材料を発見すること、などを目指しています。
今回、AI手法の一つであるベイズ推定法（注4）と組み合わせることにより、第一原理計算の計算回数を数十分の一に抑制し、株式会社富士通研究所で実績のある全固体リチウムイオン電池（注5）における固体電解質の候補材料の一つで、3種類のリチウム含有酸素酸塩から合成される化合物について、高いリチウムイオン伝導率を実現するための最適組成を現実的な時間内で予測することに、この材料としては初めて成功しました。更に、化合物の合成と分析を実際に行い、予測された組成付近で他の組成よりも高いリチウムイオン伝導率が実現されることを確認しました。これにより、新たな高機能材料開発の目処が付いたと同時に、予測の正しさが実証されました。
効果
リチウムイオン伝導率は固体電解質材料の重要な特性の一つで、リチウム電池の充放電速度を支配する因子です。今回の成果は、材料シミュレーションとAI手法を活用したマテリアルズ・インフォマティクス技術が、液漏れや発火の心配がなく充放電特性に優れたリチウムイオン電池の開発を効率的に行ううえで有効な手段になることを実証したものです。
今後
材料開発におけるAIの高度利用を促進し、様々な材料に対して適用可能なマテリアルズ・インフォマティクス技術を確立してまいります。また、それらの技術の適用を通じて、新材料開発の効率化に貢献いたします。
本リリースの詳細は下記URLをご参照ください。
http://pr.fujitsu.com/jp/news/2018/03/16.html
概要：富士通株式会社
詳細は http://jp.fujitsu.com/ をご覧ください。
Copyright 2018 JCN Newswire. All rights reserved. www.jcnnewswire.com
