seoil e&m

マシンラーニング及び最適化融合進行プロセス

(a) 最適化によるマシンラーニング予測の精度比較 (b) 最適化以後のマシンラーニング予測値と実際値の比較

2021.08.10 19:34

環境問題の要因となれるリチウムの代わり、豊富な埋蔵量を誇るナトリウム(Na)を利用した全固体電池技術は
安定的で爆発危険がなく、電力蓄積装置及び電気自動車向けバッテリーに使える次世代素材として注目を集めている。

しかし、全固体電池に向いた様々な物性に関する研究が未だに初期段階であるため、適合な素材探索はハードルが高い状況である。

これに、崇實(スンシル)大学校の機械工学部4年生のJ.H.CHO(ジョ・ジョンホ)学生が
人工知能(AI)・マシンラーニング技術と計算科学技法を融合して個体電解質の核心物性の中で一つである機械的強度を予測するモデルを開発した。

モデルはマシンラーニングと最適化技法を融合して、最小限のデータベースを追加するだけでも最適な予測性能を達成した。
だけではなく、2,500個余りの候補物質に対した機械的物性のビッグデータも構築した。

また、他の主要物性であるイオン伝導度の予測モデルも構築しており、より経済的で安全で高性能のナトリウム全個体電池の商業化に寄与すると期待されている。

責任著者である機械工学部のG.M.MIN(ミン・ギョンミン)教授は
「今回の研究は次世代ナトリウムイオン全個体電池に最も適合した素材の探索のために構築するプラットホームへの第一歩であり、
人工知能技術がこのような分野にも適用可能という成果を出した意味深い研究である」と述べた。

G.M.MIN教授はまた、「特に、一般的には大学院生が行う研究を、学部生が、それも3年生から筆頭著者として研究を行い、
結果出しを通じて国際学術誌に論文を掲載することは非常に珍しい。将来にどんな研究者に成長していくか、とても楽しみである」と述べた。

J.H.CHO学生は「研究に集中できるように指導してくださったG.M.MIN教授にお礼を言う」とし、
「自動化を超え、知能化時代へ向かっている今の時期に今回の研究のように人工知能をバッテリーの電解質などのハードウェアに融合する試みは
より一層多くなれると思われるので、今回の結果を踏み台にして融合技術を導くエンジニアに成長するために努力を続けていく」と語った。

一方、この研究は機械工学部のE.S.CHOI(チェ・ウンスン)学生、M.S.KIM(キム・ミンスン)学生が共同著者として参与し、
米国化学会で発行する国際学術誌であるACS Applied Energy Materials(エーシーエス・アプライド・エナジー・マテリアルズ)に
「ナトリウムイオン個体電解質の機械的物性予測のためのマシンラーニング基盤材料設計プラットホーム
(Machine learning aided materials design platform for predicting the mechanical properties of Na-ion solid-state electrolytes)」
とのタイトルで8月5日、掲載された。

※本件についてお問い合わせ事項がございましら、当ホームページの「お申込み/お問い合わせ」又は下記の連絡先へご連絡お願い致します。
部署名：SEOIL E&M 企画マーケティンググループ
TEL ：+82)2-6204-2033
E-mail : pl@seoilenm.com