AIで電池寿命を高精度予測：DOEアルゴンヌ国立研究所の研究

新しい研究で、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が機械学習を用いて、幅広い電池化学系の寿命を予測することに成功しました。アルゴンヌで収集された、6種類の電池化学系を代表する300個の電池の実験データを用いて、さまざまな電池がどれだけサイクルを継続できるかを正確に判定できます。

機械学習アルゴリズムでは、コンピュータープログラムに既知の初期データセットを与えて推論を学習させ、そこから学んだことを未知の新しいデータセットでの判断に活かします。

「携帯電話から電気自動車、グリッド貯蔵まで、あらゆる電池用途において電池寿命は根本的に重要です」と、研究著者の一人であるアルゴンヌ計算科学者ノア・ポールソン氏。「電池が故障するまで何千回もサイクルさせるには数年かかります。我々の手法は、一種の『計算テストキッチン』を作り、さまざまな電池がどう振る舞うかを迅速に把握できます。」

「現時点では、電池の容量低下を評価する唯一の方法は、実際に電池をサイクルさせることです」と、同研究のもう一人の著者であるアルゴンヌ電気化学者スーザン「スー」バビネック氏。「これは非常に高コストで、長い時間がかかります。」

ポールソン氏によれば、電池寿命の確立はトリッキーです。「現実は、電池は永遠に持たないし、どれだけ持つかは使い方、設計、化学系に依存します。これまで、電池がどれだけ持つかを知るための優れた方法は実質的にありませんでした。人々は新しい電池にお金を払うまでどれくらいか知りたがります。」

本研究のユニークな点の一つは、アルゴンヌで行われた広範な実験作業、特にアルゴンヌ特許のニッケル・マンガン・コバルト（NMC）系正極材料に依拠していることです。「異なる化学系を代表する電池があり、それらは異なる劣化・故障モードを持ちます」とポールソン氏。「本研究の価値は、異なる電池の性能を特徴づけるシグナルを得られたことです。」

この分野の更なる研究は、リチウムイオン電池の未来を導く可能性があります。「既知の化学系でアルゴリズムを訓練し、未知の化学系で予測させることができます」とポールソン氏。「本質的に、アルゴリズムはより長寿命な新しい改良化学系の方向性を示唆してくれるかもしれません。」

このように、ポールソン氏は機械学習アルゴリズムが電池材料の開発とテストを加速できると信じています。「新しい材料があって、数回サイクルさせたとします。我々のアルゴリズムでその寿命を予測し、実験的にサイクルを継続すべきか判断できます。」

「研究者なら、より短時間でより多くの材料を発見・テストできます。評価するより速い方法があるからです」とバビネック氏。

本研究に基づく論文「Feature engineering for machine learning enabled early prediction of battery lifetime」が、2月25日付けオンライン版『Journal of Power』に掲載されました。

高度シミュレーション技術で車両動力学とタイヤ周り流れを精密モデリング人工毛搭載の新型Eスキン：多方向タッチを検知・予測

センサー