あなたが生まれた日に、霊能者があなたの両親にあなたの寿命を予言する場面を想像してみてください。電池化学者にとって、これと似たような体験が起こり得るのです。彼らは新しい計算モデルを用いて、わずか1サイクル分の実験データに基づいて電池の寿命を計算しているのです。

米国エネルギー省（DOE）アルゴンヌ国立研究所の研究者たちは、新たな研究で機械学習の力を活用し、多種多様な電池の寿命を予測することに成功した。アルゴンヌで収集された、6種類の異なる電池化学を代表する300個の電池の実験データを用いることで、研究者たちは様々な電池がどれくらいの期間充放電を繰り返すかを正確に判断できるようになった。

アルゴンヌ国立研究所の研究者たちは、機械学習モデルを用いて、さまざまな化学組成のバッテリーのサイクル寿命を予測することに成功した。（画像提供：Shutterstock/Sealstep）

機械学習アルゴリズムでは、科学者はコンピュータプログラムを訓練して最初のデータセットに基づいて推論を行わせ、その後、その訓練から得た知識を用いて別のデータセットに基づいて意思決定を行う。

「携帯電話から電気自動車、電力網の蓄電まで、あらゆる種類のバッテリー用途において、バッテリー寿命はすべての消費者にとって極めて重要です」と、この研究の著者の一人であるアルゴンヌ国立研究所の計算科学者ノア・ポールソン氏は述べています。「バッテリーが故障するまで何千回も充放電を繰り返すには何年もかかることがあります。私たちの手法は、さまざまなバッテリーがどのように動作するかを迅速に確認できる、一種の計算実験環境を作り出します。」

「現在、バッテリーの容量がどのように低下​​するかを評価する唯一の方法は、実際にバッテリーを充放電サイクルさせることです」と、この研究の共著者であるアルゴンヌ国立研究所の電気化学者スーザン・“スー”・バビネック氏は付け加えた。「しかし、それは非常に費用がかかり、時間もかかります。」

ポールソン氏によると、バッテリーの寿命を正確に把握するのは難しいという。「実際、バッテリーは永久に使えるものではなく、その寿命は使用方法、設計、そして化学組成によって左右されます」と彼は述べた。「これまで、バッテリーの寿命を正確に知る方法はありませんでした。人々は、新しいバッテリーにお金をかける必要が生じるまでの期間を知りたいと思うでしょう。」

この研究のユニークな点は、アルゴンヌ国立研究所で行われた、さまざまな電池正極材料、特にアルゴンヌが特許を取得したニッケル・マンガン・コバルト（NMC）系正極に関する広範な実験に基づいている点です。ポールソン氏は、「私たちは、化学的性質が異なり、劣化や故障の仕方も異なる電池を用意しました。この研究の価値は、さまざまな電池の性能を特徴づけるシグナルが得られたことです」と述べています。

ポールソン氏は、この分野のさらなる研究はリチウムイオン電池の未来を導く可能性を秘めていると述べた。「我々ができることの一つは、既知の化学組成に基づいてアルゴリズムを訓練し、未知の化学組成について予測を行うことです」と彼は語った。「つまり、このアルゴリズムは、より長寿命な新しい改良された化学組成の方向性を示すのに役立つ可能性があるのです。」

このように、ポールソン氏は機械学習アルゴリズムがバッテリー材料の開発と試験を加速できると考えている。「例えば、新しい材料を開発して、それを数回充放電サイクルさせたとします。私たちのアルゴリズムを使えば、その材料の寿命を予測し、実験的に充放電サイクルを続けるかどうかを判断できます。」

「研究室の研究者であれば、より迅速な評価方法があるため、より多くの材料をより短時間で発見し、試験することができる」とバビネック氏は付け加えた。

この研究に基づいた論文は、機械学習のための特徴量エンジニアリングにより、バッテリー寿命の早期予測が可能になった。この論文は、2月25日付けのJournal of Power Sourcesのオンライン版に掲載された。

ポールソン氏とバビネック氏に加え、この論文の共著者には、アルゴンヌ国立研究所のジョセフ・クバル氏、ローガン・ウォード氏、サウラブ・サクセナ氏、ウェンチュアン・ルー氏らが名を連ねている。

本研究は、アルゴンヌ国立研究所主導研究開発（LDRD）助成金によって資金提供を受けた。