リチウムイオン電池用LiFePO₄カソードのエージェント知識グラフ：LLMによる発見と安定性のバランス

科学分野:

• 材料科学
• 電気化学
• データサイエンス

背景:

• リン酸鉄リチウム（LiFePO₄、LFP）は、安全性、安定性、コストのため、リチウムイオン電池の主要な正極材料です。
• 既存の文献分析手法では、膨大な研究データを効率的に合成することが困難です。

研究 の 目的:

• 科学文献から指向性関係を抽出するためのエージェント知識グラフパイプラインを開発および評価すること。
• LFP電池研究における知識抽出（ルールベース、LLMのみ、ハイブリッド）のさまざまなモードをベンチマークすること。

主な方法:

• ScopusのLFPに関する引用数の多い9500件の記事（2000年～現在）のコーパスを利用しました。
• ルールベース（閉じた語彙）、LLMのみ（開いた語彙）、およびハイブリッドアプローチの3つの知識抽出モードを実装し、比較しました。
• 収束と信頼性を評価するために、ブートストラップパスを使用した堅牢性テストを実施しました。

主要な成果:

• ハイブリッドLLMアプローチ（モードC）は、スキーマ整合性を維持しながら、再現率と適合率のバランスを取りました。
• 高信頼度の知識ネットワークが迅速に確立され、収束には約5回のパスが必要でした。
• 結果のネットワークは、主に輸送特性と界面特性に関する正の関係を強調し、条件によっては負の関係も示しています。

結論:

• エージェント知識グラフパイプラインは、LFP電池に関する文献規模のデータを効果的に合成します。
• この方法論は、他の電池化学にも適応可能であり、安定性を考慮した効果の方向性関係の合成を促進します。