- サリー大学は28種類の材料を含むナトリウムイオン電池データベースを開発した。
- ナトリウムの豊富さにより、ナトリウムイオン電池は重要な技術開発となる。
- 研究チームは機械学習を利用してナトリウムイオン電池材料の開発を加速させた。
- 含チタン材料は100回のサイクル後も90%以上の容量を保持している。
サリー大学の研究者は、28種類の材料を含むデータベースを開発し、より良いナトリウムイオン電池の材料候補を特定する手助けを行っている。このデータベースは、従来のリチウムイオン電池に代わる材料を探すのに役立つ。リチウム資源は相対的に希少で分布が不均一であるためである。サリー大学化学および化学工学部の講師であり、この研究の通信著者であるダニエル・コマンドールは、「私たちはリチウムイオン電池に高度に依存しているが、リチウム資源は相対的に希少であり、世界的に分布が不均一である」と述べている。彼は、ナトリウムイオン電池が信頼できる代替技術として徐々に成長しているが、充電サイクルの繰り返しにおける性能とエネルギー貯蔵能力を改善するためにはさらなる分析が必要であると指摘している。
彼はさらに、「ナトリウムの豊富さにより、ナトリウムイオン電池は重要な技術開発となる」と付け加えた。
ナトリウムイオン電池の潜在能力
チームは、ナトリウムマンガン酸化物の化学成分を変更することで、陰極としての性能を改善する方法を探求している。この重要な電池コンポーネントは、電池がどれだけのエネルギーを貯蔵できるか、またその運用効率を決定する。調査の過程で、彼らは28種類の異なる金属成分からなるデータベースを作成し、ナトリウムイオン電池における性能を比較した。この一連の材料は、マンガンの代わりに異なる金属の変化量を用いて作成されており、鉄、チタン、バナジウムが含まれている。研究により、鉄はエネルギー貯蔵能力を向上させ、バナジウムはサイクルの安定性を改善し、少量のチタンは高倍率性能を強化することが分かった。
いくつかの含チタン材料は、100回の充放電サイクル後も90%以上の容量を保持している。
機械学習による材料探索の加速
チームは、最適な性能を提供する材料を見つけることが大きな課題であると一致して認識している。適切な代替材料を探索するために、研究者は実験で生成されたデータを分析する自動化された方法を開発した。彼らは実験中に生成されたデータセットを用いて機械学習モデルを訓練した。コマンドールは、「この作業は、材料の探索を機械学習で指導するために重要なより大きなデータセットを構築する第一歩であり、私たちが有望な材料をより迅速に特定し、より良いナトリウムイオン電池の開発を加速するのに役立つ」と述べている。
研究者は、データセットを拡大することで、最終的には人工知能が材料の生産や実験の前に有望な電池構成を予測できるようになると述べている。しかし、現在のデータベースはまだ小さすぎて信頼できる予測を行うことができない。より広範な陰極材料に方法を拡張することで、必要な大規模で高品質なデータセットを生成し、新しい電池材料の発見を加速する可能性がある。時間が経つにつれて、これにより科学者は特定のニーズに応じたナトリウムイオン陰極を設計するのを助けることができる。例えば、より高いエネルギー貯蔵、より速い充電、またはより長い使用寿命を実現することができる。この研究の共同首席著者であり、宇宙工学の博士課程の学生であるイーデン・マックスは、「最も注目すべきは、相対的に小さな成分の変化が材料のエネルギー貯蔵能力、高速性能、および耐久性のバランスにどのように影響するかである」と述べている。
これらの関係を描くことで、次の探索の方向性がより明確になった。
これらの研究結果は、『材料化学期刊』の新研究に発表された。
項目 規格 データベース材料数 28種類 ナトリウムイオン電池の特徴 相対的に豊富なナトリウム資源、潜在的な高エネルギー貯蔵能力 実験中の含チタン材料の容量保持率 90%以上（100回のサイクル後）
ナトリウムイオン電池の今後の発展方向
リチウム資源の希少性に伴い、ナトリウムイオン電池の研究がますます重要になっている。サリー大学の研究チームは、28種類の材料を含むデータベースを構築することでナトリウムイオン電池の潜在能力を探求し、機械学習技術を利用して材料の発見プロセスを加速させている。これにより、ナトリウムイオン電池の性能を向上させるだけでなく、市場の高性能電池への需要にも応えることができる。データセットが拡大することで、将来的にはよりターゲットを絞ったナトリウムイオン陰極材料の設計が期待され、持続可能なエネルギー技術の発展を促進することができる。