Bij JST Strategische Basisonderzoeksprogramma's, de onderzoeksgroep onder leiding van universitair hoofddocent Yuya Oaki en (destijds) afgestudeerde student Hiromichi Numazawa van de Faculteit Wetenschap en Technologie, Keio University heeft een nieuw ontwerpbeleid vastgesteld voor organische materialen voor de anode van secundaire lithium-ioncellen in een gezamenlijk werk met onderzoeksmedewerker Yasuhiko Igarashi van de Graduate School of Frontier Sciences, De Universiteit van Tokio, door het gebruik van Materials Informatics (MI). Een materiaal met een hoge capaciteit en hoge stabiliteit werd met succes verkregen via een extreem klein aantal experimenten.

Om hulpbronnen voor batterijen te sparen, Er wordt wereldwijd onderzoek gedaan naar organische materialen zonder het gebruik van metaal. traditioneel, de zoektocht naar anodematerialen voor lithiumbatterijen en natriumionbatterijen moest berusten op vallen en opstaan ​​of op ervaring en intuïtie van de onderzoekers.

MI voert over het algemeen machine learning uit voor grootschalige data (big data), en is een techniek die de betrokkenheid van de ervaring en intuïtie van onderzoekers vermindert. Een van de uitdagingen was hoe experimentele onderzoekers hun eigen kleinschalige data en empirische kennis gebruiken.

De onderzoeksgroep onderzocht een methode, 'experimentgerichte MI, ' die kleinschalige maar relatief nauwkeurige experimentele gegevens combineert met ervaring en intuïtie van experimentele onderzoekers, en heeft een verbeterde opbrengst aan nanoplaatmaterialen bereikt, enzovoort.

In dit onderzoek, de capaciteit van 16 organische verbindingen als anode werd gemeten; verder, een klein aantal factoren die de capaciteit kunnen bepalen met behulp van schaarse modellering, wat een datawetenschapstechniek is, werd geïdentificeerd. Op basis van dit resultaat, een capaciteitsvoorspellingsformule werd ontwikkeld door de geïdentificeerde factoren als variabelen te beschouwen (voorspellingsmodel). Volgende, 11 in de handel verkrijgbare verbindingen, met verwachting van een bepaalde capaciteit als anode, werden gedeeltelijk geselecteerd op basis van de ervaring en intuïtie van onderzoekers, en de voorspelde capaciteitswaarde werd voorafgaand aan het experiment berekend. Verder, de capaciteit van drie verbindingen met de hoogste voorspelde waarde werd gemeten, en er werd waargenomen dat twee verbindingen een hoge capaciteit vertoonden. Vervolgens, een van deze verbindingen, de thiofeenverbinding, werd gepolymeriseerd en een polymeer anodemateriaal met verbeterde capaciteit, duurzaamheid, en snelle lading-ontladingseigenschap werd verkregen.

Het ontwerpbeleid voor het organische anodemateriaal dat in de huidige studie is vastgesteld, is belangrijk voor verdere verbetering van de prestaties. Door een kleine experimentele dataset te combineren, ervaring en intuïtie van onderzoekers, en machine learning leidde tot een succesvolle ontdekking van een hoogwaardig materiaal. Het toonde ook de effectiviteit aan van het combineren van experimentele wetenschap en MI bij het verbeteren van de efficiëntie van het zoeken naar materiaal.