Beste Leistung von Bio-material für lithium Akku anode mit Materialien informatik: die Kombination von empirischem wissen und machine-learning-mit einer kleinen experimentellen Datensatz

Bei JST Strategische Grundlagenforschung Programme, die Forschungs-Gruppe unter der Leitung von associate professor Yuya Oaki und Doktoranden (zu der Zeit) Hiromichi Numazawa der Fakultät für Naturwissenschaften und Technologie, Keio Universität hat eine neue design-Richtlinie für organische Materialien für die anode von lithium-Ionen secondary Zellen in einer gemeinsamen Arbeit mit research associate Yasuhiko Igarashi der Graduate School of Frontier Sciences, Der Universität von Tokyo, durch die Verwendung von Materialien, informatik (MI)1). Ein hoher Kapazität und hoher Stabilität-material war erfolgreich, die über eine extrem kleine Anzahl von Experimenten.

Um Ressourcen zu schonen für Batterien, organische Materialien, ohne die Verwendung von Metall wird erforscht, weltweit. Traditionell, Suche für Anoden-Materialien für lithium-Batterien und Natrium-Ionen-Batterien musste auf Versuch und Irrtum angewiesen oder die Erfahrung und intuition der Forscher.

MI allgemein führt maschinelles lernen für eine large-scale-Daten (big data), und ist eine Technik, reduziert die Beteiligung von Forschern der Erfahrung und intuition. Eine der Herausforderungen war, wie experimentelle Forscher Ihre eigenen small-scale-Daten und empirisches wissen.

Die Forschungsgruppe untersucht, eine Methode, „experiment-orientierte MI,“ welche sicherungen small-scale, aber relativ genaue experimentelle Daten mit Erfahrung und intuition der experimentellen Forscher?, und erreicht eine bessere Ausbeute des nanosheet Materialien und so weiter.

In dieser Studie, die Kapazität von 16 organische verbindungen, die als eine anode gemessen wurde; weiter, eine kleine Anzahl von Faktoren, die bestimmen können, die Kapazität mit geringer Dichte modelingn2), die eine Daten-Wissenschaft-Technik, identifiziert wurde. Basierend auf diesem Ergebnis, einer Kapazität Vorhersage-Formel wurde unter Berücksichtigung der ermittelten Faktoren als Variablen (Vorhersage-Modell). Weiter, 11 kommerziell erhältliche verbindungen, mit der Erwartung für eine bestimmte Kapazität, die als eine anode, die ausgewählt wurden teilweise auf der Grundlage der Erfahrung und intuition der Forscher, und die prognostizierte Kapazität Wert berechnet wurde, die vor dem experiment. Weitere, der Kapazität von drei verbindungen mit der höchsten vorhergesagten Wert gemessen wurde, und zwei verbindungen wurden beachtet, um eine hohe Kapazität. Anschließend wird eine dieser verbindungen, der Thiophen-Verbindung, polymerisiert wurde und eine polymer-Anoden-material mit verbesserter Leistung, Lebensdauer und schnelle Ladung-Entladung-Eigenschaft erhalten wurde.

Die design-Richtlinien für die Bio-anode material in der vorliegenden Studie ist wichtig für die weitere Verbesserung in der Leistung. Die Kombination einer kleinen experimentellen Datensatz, die Erfahrung und die intuition von Forschern-und machine-learning-led, um eine erfolgreiche Erkennung des high-performance-material. Es zeigte sich auch die Wirksamkeit der Kombination der experimentellen Wissenschaft und MI in die Verbesserung der Effizienz der material-Suche.