DICE

JP/EN

MENU

MDPF利活用事例 Vol. 11

AtomWork-Adv・AtomWork-Batteryを活用したLiイオン伝導材料のデータ駆動型探索

徐氏写真





徐一斌
NIMS マテリアル基盤研究センター
データ駆動型無機材料グループ　グループリーダー
プロフィール

※この利活用事例は、2026年8月31日に開催した第10回 技術開発・共用部門オープンセミナー ～MDPF利活用事例の紹介 [AtomWork-Adv]～（題目：NIMSの電池材料データネットワークとその活用法 ―AtomWork-Adv・AtomWork-Batteryを用いたデータ駆動型材料探索― 講師：徐一斌氏）を基に作成したものです。

ポイント

  1. AtomWork-AdvとAtomWork-Batteryの連携による「物質・材料・電池」データの統合利用
  2. 結晶構造情報と実測データを組み合わせた構造-物性相関の解析
  3. AtomWork-Batteryを学習データ、AtomWork-Advを探索空間として活用した新たなLiイオン伝導材料候補の探索

背景と目的

高性能な電池材料の探索には、化学組成や結晶構造に加え、合成条件、物性、電池性能などを関連づけて扱うことが重要です。NIMSでは、無機材料の結晶構造や状態図、物性などを収録するAtomWork-Adv（以下、AWA）と、固体電解質・正極材料の組成、合成条件、物性、電池性能などを収録するAtomWork-Battery（以下、AWB）を構築しています。

本研究では、AWBの実測データを機械学習に利用し、AWAの既知Li化合物を探索対象とすることで、新たなLiイオン伝導材料候補の発見を目指しました。

本研究の概要

図1 AWBに収録された材料の各相を、化学式と結晶構造に基づいて「物質」として同定し、AWAの物質と対応づけます。これにより、AWBの合成条件・実測性能と、AWAの結晶構造・物性を関連づけ、「物質・材料・電池」のデータをつないで利用できます。（図1）


図2 AWAとAWBの統合利用により、構造と物性の関係も解析できます。LLZOガーネット系固体電解質では、AWAのLiサイト占有率とAWBのイオン伝導率を比較し、96hサイトのLi占有率が高いほどイオン伝導率が高くなる傾向を確認しました。この結果は第一原理計算やNMRの実験結果とも一致しました。（図2）


図3 高いLiイオン伝導率を持つ材料の探索では、AWBの実測データを機械学習の学習データとし、AWAに収録されたイオン伝導率が未知の既知物質を予測対象としました。「AWBで学び、AWAで探す」ことで、実測データのない物質まで探索範囲を広げます。（図3）


図4 構築した複数の機械学習モデルをAWAに収録された7,705件のLi化合物に適用し、イオン伝導率が未知の物質を含む幅広い既知物質から有望候補を絞り込みました。AWAに蓄積された既知物質群を、材料探索の探索空間として活用しています。（図4）


図5 複数モデルから推薦された28件を評価したところ、学習データに含まれる6件、検証済みの10件に加え、12件の新たな候補が得られました。新規候補には、これまでLiイオン伝導材料としてあまり注目されてこなかった構造を持つ物質も含まれていました。（図5）


図6 新たな候補の一つについて、機械学習力場（MLFF）を用いた分子動力学計算でLiイオン伝導性を検証しました。その結果、反フッ化物型構造の候補材料は、高温域で同じ構造の比較材料より高いLiイオン伝導性を示しました。AWBで学び、AWAで探索し、計算で検証する一連の流れによって、材料データを新たな候補発見につなげた事例です。（図6）


参考論文

Yibin Xu, Yen-Ju Wu, Huiping Li, Lei Fang, Shigenobu Hayashi, Ayako Oishi, Natsuko Shimizu, Riccarda Caputo & Pierre Villars (2024)
A comprehensive data network for data-driven study of battery materials, Science and Technology of Advanced Materials, 25:1, 2403328.
https://mdr.nims.go.jp/datasets/a8293f23-e053-4c1d-86ec-1656e2efb03c

Yen-Ju Wu, Yibin Xu, Lei Fang, Wenqin Peng, Ken Sakaushi, Meiqi Zhang, Masao Arai & Yukinori Koyama (2025)
Periodic table-based compositional descriptors for accelerating electrochemical material discovery: Li-ion conductors and oxygen evolution electrocatalysts, Science and Technology of Advanced Materials: Methods, 5:1, 2513218.
https://mdr.nims.go.jp/datasets/c7ec772e-9300-42ee-aabf-b07b43d54cc5

本事例で使われたDICEサービス

atomwork-adv_230.png

セミナーアーカイブ動画


第10回 技術開発・共用部門オープンセミナー動画
(講師：徐一斌氏）
​

本件に関する問合わせ先

国立研究開発法人物質・材料研究機構
技術開発・共用部門 運営室
Email: mdpf-pr=ml.nims.go.jp ([ = ] を [ @ ] にしてください)

PAGE TOP