2019 Fiscal Year Research-status Report
添加剤による層構造制御を軸としたLi伝導性酸化物材料のデータ駆動型機能創出
| Project/Area Number |
18K04700
|
|---|
| Research Institution | Nagoya Institute of Technology |
|---|
Principal Investigator |
田村 友幸 名古屋工業大学, 工学(系)研究科(研究院), 准教授 (90415711)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | Liイオン電池 / 固体電解質材料 / 機械学習 |
|---|
| Outline of Annual Research Achievements |
本課題で実施する「膨大な探索空間の中から有効な添加元素を発見するデータ駆動型機能創出」のために，本年度は，以下の3項目を遂行した．
[1] 添加元素の効果をある程度把握するために，周期律表の半分以上の元素について，特定のモデルでのTiサイトへの元素置換に限定し，a) 置換による拡散活性化エネルギーの低下，とb) La-rich層とLa-poor層とでLa占有率の差の増大を調査し，それぞれについて有効と期待できる元素が見つかった．これらの起源について，電子論による解析を進めている．現在のところ，2つの条件を同時に満たす元素が見つかっておらず，今後は共添加の可能性も検討する．
[2] 実際の材料探索は，一つの物性の最適化ではなく，複数の物性の最適化が必要である．そこで，パレート最適化システムの開発を行い，安定エネルギーと拡散係数を同時に効率的に最適化できることを実証した．
[3] 粒界の理論研究の多くは，単純にモデル化された対応粒界を用いたものが多いが，実際の材料ではランダム粒界がほとんどである．その場合，非常に多くの原子を含んだモデルを扱う必要があり，通常のDFT計算では不可能である．そこで，レプリカセル法による原子エネルギー計算と，情報科学の能動学習による効率的な訓練データの収集を組み合わせた方法を提案し， 100万原子を含むランダム粒界についても，DFT計算と同等の計算精度で原子エネルギーを予測可能なシステムを開発した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度に，複数の物性の効率的な最適化が可能なパレート最適化システムの開発と実証を行った．また大規模ランダム粒界モデルについて，DFT計算と同等の計算精度で原子エネルギーを予測可能なシステムの開発を行った．これらは論文投稿中である．これらにより，共添加も考慮した元素添加の系および粒界を含む系の計算に移行できる．
|
| Strategy for Future Research Activity |
2020年度は，[1]添加元素探索および[2]粒界近傍でのLi拡散シミュレーションを実施する．
[1] 2019年度は特定のモデルに限定し，a)拡散活性化エネルギーの低下とb) La-rich層とLa-poor層とでLa占有率の差の増大について調査し，それぞれについて有効と期待できる元素が見つかった．また，複数の物性の効率的な多目的最適化が可能なパレート最適化システムを開発した．今後は (添加元素種)×(配置パターン)×(置換サイト)の膨大な空間探索に対し，パレート最適化法を適用し，共添加の可能性も探る．
[2]探索した結晶安定配置パターンについて粒界モデルを構築し，安定粒界構造を探索した後にLi拡散シミュレーションを実行する．
|
| Causes of Carryover |
国内学会参加のための旅費として計上していたが，コロナ感染拡大防止のために学会が中止となったため，次年度に使用することとした．
|
