[論文レビュー] Optimization of heterogeneous ternary Li3PO4-Li3BO3-Li2SO4 mixture for Li-ion conductivity by machine learning

Kenji Homma, Yu Liu+6 more|arXiv (Cornell University)|Nov 28, 2019

Machine Learning in Materials Science参考文献 11被引用数 6

ひとこと要約

本研究では、機械学習を用いてLi3PO4、Li3BO3、Li2SO4で構成される不均一な三元系固体電解質を最適化し、300 °Cで最大4.9 × 10⁻⁴ S/cmのリチウムイオン電導度を達成した。最適な組成比はLi3PO4:Li3BO3:Li2SO4 = 25:14:61（モル％）であり、その高い電導度は複数の共存する相がもたらす相乗効果に起因する。

ABSTRACT

Mixing heterogeneous Li-ion conductive materials is one of potential ways to enhance the Li-ion conductivity more than that of the parent materials. However, the development of the mixtures had not exhibited significant progress because it is a formidable task to cover the vast possible composition of the parent materials using traditional ways. Here, we introduce a fashion based on machine learning to optimize the composition ratio of ternary Li3PO4-Li3BO3-Li2SO4 mixture for its Li-ion conductivity. According to our results, the optimum composition of the ternary mixture system is 25:14:61 (Li3PO4: Li3BO3: Li2SO4 in mol%), whose Li-ion conductivity is measured as 4.9 x 10E-4 S/cm at 300 °C. Our X-ray structure analysis indicates that Li-ion conductivity in the mixing systems is enhanced by virtue of the coexistence of two or more phases. Although the mechanism enhancing Li-ion conductivity is not simple, our results demonstrate the effectiveness of machine learning for the development of materials.

研究の動機と目的

• 従来の試行錯誤手法に限界がある複雑な固体電解質混合物の最適化を克服すること。
• リチウムイオン電導度を向上させるために、三元系Li3PO4-Li3BO3-Li2SO4系の最適な組成比を特定すること。
• 機械学習が固体電池向け材料発見を加速する有効性を実証すること。
• 多相混合物における電導度向上の背後にある構造的および伝導機構を理解すること。

提案手法

• Li3PO4、Li3BO3、Li2SO4のさまざまな組成比におけるリチウムイオン電導度の実験データを用いて、機械学習モデルを学習させた。
• モデルは、従来のサンプリングを超えて、三元系組成空間全体の電導度予測値を算出し、効率的な探索を可能にした。
• 候補組成のイオン電導度を測定するために、300 °Cでの実験的検証を実施した。
• X線回折分析を用いて、最適化された混合物に複数の結晶相が存在することを確認した。
• モデルは高い予測電導度を示す組成を優先し、必要な実験回数を削減した。
• 予測モデリングと構造的特徴化を組み合わせることで、微細構造とイオン輸送の関係を明確にした。

実験結果

リサーチクエスチョン

• RQ1 Li3PO4-Li3BO3-Li2SO4三元系でリチウムイオン電導度を最大にする最適な組成比は何か？
• RQ2 複数の相が共存することで、不均一な固体電解質におけるイオン電導度にどのような影響を与えるか？
• RQ3 機械学習は、多成分固体電解質の広大な組成空間を効果的に探索し、高性能な候補を同定できるか？
• RQ4 多相混合物におけるリチウムイオン輸送の向上に関連する構造的特徴は何か？

主な発見

• 最大リチウムイオン電導度を示す最適な組成は、Li3PO4:Li3BO3:Li2SO4 = 25:14:61（モル％）である。
• 最適組成の300 °Cにおける測定電導度は4.9 × 10⁻⁴ S/cmである。
• 電導度の向上は、複数の結晶相が共存することに起因し、Li⁺イオンの通り道を形成する可能性がある。
• X線回折により、明確に分離された相が存在することが確認され、相の不均一性が電導度向上に寄与していることを裏付けた。
• 機械学習アプローチにより、最小限の実験回数で高性能な組成を効果的に同定できた。
• 本結果は、このような混合物における電導度向上が単純な加算効果ではなく、複雑な界面的および構造的効果に起因することを示している。