機械学習とクラウド・ハイパフォーマンス・コンピューティングによるコンピューティング・マテリアル・ディスカバリーの加速: 大規模スクリーニングから実験的検証まで

科学分野:

• 材料科学
• コンピュータ化学
• 電気化学

背景:

• 高通量コンピューティング材料の発見は,加速されたイノベーションを約束しますが,コンピューティングリソースの制限によりボトルネックに直面します.
• コンピューターで発見された材料の実験的検証は,特に製品アプリケーションでは,依然として限られています.

研究 の 目的:

• 大規模な計算材料の発見と実験的検証のための実行可能な経路を示す.
• 先進的なバッテリーアプリケーションのための新しい固体電解質材料を特定する.

主な方法:

• 最先端の機械学習 (ML) モデルと伝統的な物理ベースのシミュレーションを組み合わせた
• 高性能コンピューティング (HPC) のクラウドリソースを利用し,3200万件以上の材料候補をスクリーニングしました.
• 固体電解質に焦点を当てて,有望な候補物質を合成し,実験的に特徴づけました.

主要な成果:

• 約50万の潜在的に安定した材料を 3200万以上の候補から予測した.
• バッテリー用の有望な新型固体電解質候補18種を特定した.
• NaLi_3-YCl₆ (0≤ x≤ 3) シリーズを潜在的な固体電解質として合成し,検証した.

結論:

• 先進的なMLとHPCの方法論は,材料発見における伝統的なボトルネックを克服することができます.
• 統合された計算と実験的アプローチは,機能的な材料の識別と検証を大幅に加速します.
• この研究は,効率的で革新的な材料の発見の新時代,特にエネルギー貯蔵ソリューションの道を開きます.