機械学習を用いた高性能で低コストの有機電池材料のゼロショット発見
Jaehyun Park1, Farshud Sorourifar2, Madhav R Muthyala2
1Department of Chemistry & Biochemistry, The Ohio State University, 100 West 18th Avenue, Columbus, Ohio 43210, United States.
Journal of the American Chemical Society
|November 1, 2024
まとめ
AIを用いた持続可能な有機電極材料 (OEM) の発見の枠組みである SPARKLEを開発しました このAIアプローチはバッテリーの性能を大幅に改善し 伝統的な方法と比較してコストを削減します
科学分野:
- 材料科学
- 電気化学
- コンピュータ化学
背景:
- 有機電極材料 (OEM) は,その豊富さと構造的な多様性により,金属ベースの電極に持続可能な代替品を提供します.
- 従来の試行錯誤で 広大な設計空間を探索することは 非効率的でコストがかかります
研究 の 目的:
- SPARKLEというコンピューティング・フレームワークを開発し,高性能で費用対効果があり,安定したOEMの発見を加速させる.
- 特定のエネルギー,溶解性,合成性をバランスとした新しいOEMのゼロショット予測を可能にします.
主な方法:
- SPARKLEのフレームワーク内の計算化学,分子生成,機械学習の統合
- 候補物質の特定のために,大規模な設計領域 (> 670,000 有機化合物) でSPARKLEを展開する.
- 27の新規OEM候補の実験的合成とバッテリー性能テスト
主要な成果:
- SPARKLEは,インターポレーションとエクストラポレーションのタスクでブラックボックスMLアルゴリズムよりも優れたパフォーマンスを示しました.
- 約5000の新規OEM候補が特定され,その62.9%がベンチマーク性能指標を超えた.
- 合成されたOEMは人間の選択した材料よりも3倍改善され,最高性能のOEMは最先端のエネルギーと安定性を低コストで超えた.
結論:
- SPARKLEフレームワークは,高度な有機電極材料の効率的かつ正確な発見を可能にします.
- 人工知能による材料の発見は 持続可能で高性能なバッテリーの開発を加速します
- SPARKLEで特定されたOEMは,費用対効果の高い持続可能なエネルギー貯蔵ソリューションの重要な進歩を表しています.
