ナトリウムイオン電池用正極材料の組成探索が可能な機械学習モデルを構築：研究開発の最前線

東京理科大学と名古屋工業大学は、ナトリウムイオン電池用正極材料の組成や電気化学特性を予測する機械学習モデルを共同開発した。次世代電池開発の高速化、低コスト化が期待される。

[MONOist]

　東京理科大学は2024年11月5日、名古屋工業大学との共同研究で、ナトリウムイオン電池（SIB）用正極材料の組成、初期放電容量、平均放電電圧、容量維持率を予測するML（機械学習）モデルを開発したと発表した。また、MLによって提案された組成に従って材料を合成し、特性予測の有効性を実証した。

研究の概要［クリックで拡大］ 出所：東京理科大学

　SIBの正極材料に使われるナトリウム含有遷移金属層状酸化物は、多様な結晶構造を形成する。その中でもナトリウム含有量が高いO3型構造は、SIBのフルセルの高容量化に重要とされる。また、電気化学的性能に影響を及ぼす材料組成の最適化が求められている。

　これまで、O3型構造のナトリウム層状酸化物を数多く合成してきた研究グループは、過去11年間の実験データを基に、SIB用層状酸化物68種類100サンプルのデータベースを構築し、MLモデルのトレーニングを実施した。

　MLモデルにより抽出された、有望な205組成のうち、正極のエネルギー密度が最も高いと予測されたNa［Mn_0.3413Ni_0.4488Ti_0.1648Fe_0.04512］O₂（MNTF）を合成したところ、粒子の直径が0.3〜1μmでO3型構造となることが確認された。

左：MLモデルを利用した電池材料の性能予測、右：性能予測結果と実際に合成した材料［クリックで拡大］ 出所：東京理科大学

　MNTF電極の2.0〜4.2Vの範囲における定電流充放電試験では、初期放電容量が169mAh/g、平均放電電圧が3.22Vと、MLモデルの予測値とほぼ一致した。また、正極のエネルギー密度も予測値とほぼ一致し、549Wh/kgと非常に高い値を示した。これらにより、MLモデルの精度が実証された。

　一方、20サイクル後の容量維持率（83.0％）は、予測値（92.3％）よりも低かった。これは充放電反応中に発生するMNTFの結晶構造の変化や粒子の亀裂が原因と考えられる。このような現象を考慮してMLを改良することで、容量維持率の予測精度を高められる見込みだ。

　現在、エネルギー密度の高さから、リチウムイオン電池（LIB）がエネルギー貯蔵システムの主流となっている。しかし、リチウムには供給が不安定であること、価格の高騰といった課題がある。そのリチウムを、豊富に存在するナトリウムに置き換えたSIBは、次世代の電池として注目され、研究が進んでいる。

　同研究によりSIBの材料組成探索が効率化されることで、SIB電池開発の迅速化や低コスト化が期待できる。

⇒その他の「研究開発の最前線」の記事はこちら