2013-2

第一原理計算と機械学習に基づいたリチウム固体電解質の探索

構成元素・組成をさまざまに変えた固体電解質群のイオン伝導度を予測する技術を開発

次世代高性能蓄電池の実現に向け、固体電解質のイオン伝導度向上が望まれている。しかし固体電解質の材料設計指針は確立されていない。

理論計算に基づいた高イオン伝導度達成のための手法を開発する。γ-LISICON構造を有する固体電解質群に対して系統的な検証を行った。

(1)	第一原理分子動力学計算による高温での拡散係数の評価。
(2)	クラスター展開法を用いた規則－不規則転移温度の評価。
(3)	計算データと実験データを用いた機械学習により、効率的かつ網羅的にイオン伝導度を予測する技術を開発。

手法：

・平面波基底PAW法に基づく
第一原理分子動力学計算 (VASPコード)

・機械学習：　既知のデータから有用な
特徴を抽出し、新たなデータを予測する
技術。学習モデルとして
サポートベクター回帰(SVR)を採用。

図1．Li2+2xZn1-xGeO4 (0 ≤ x ≤ 1)の第一原理計算結果
(a) Li拡散係数の温度依存性 (b) 格子間Liの規則－不規則転移温度

図2. 第一原理計算のデータと実験の伝導度データを入力情報とする機械学習によって
予測された 373 Kにおける γ-LISICON系固体電解質のイオン伝導度

異なる結晶構造を有する
固体電解質へ本技術を適用

高性能固体電解質の開発を加速

参考文献

：

K. Fujimura, A. Seko, et al., Adv. Energy Mater. (2013) published online.