2022 Fiscal Year Research-status Report
実験とベイズ最適化を併用した蓄電池材料最適合成プロセス条件の合理的探索
| Project/Area Number |
21K14715
|
|---|
| Research Institution | Nagoya Institute of Technology |
|---|
Principal Investigator |
武田 はやみ 名古屋工業大学, 工学(系)研究科(研究院), 准教授 (70599000)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 蓄電池材料 / ベイズ最適化 / 合成プロセス |
|---|
| Outline of Annual Research Achievements |
2021年度は、実験値を用いたデモンストレーションにより、高い導電率を有する固体電解質材料を合成するための最適焼成条件の探索にベイズ最適化法が有効であることを明らかにした。2022年度は、さらに複雑な合成条件の探索がベイズ最適化を用いて効率的に行うことができるかを検討した。合成条件として、組成と焼成条件を組み合わせた。対象材料はZrおよびSiの一部を置換したダブルドープLiZr2P3O12(LZP)とした。これまでに本研究室で取得した、異なる焼成条件で作製したダブルドープLZP材料の導電率と、ドープ量の異なるダブルドープLZP材料の導電率を初期データとして、ベイズ最適化を用いた合成条件探索を実際に行った。具体的には、576点の探索空間に対して、既知データ102点を初期データとして最適条件探索を行った。合成実験を効率化するため、ベイズ最適化によって高導電率が予測される上位20の合成条件を抽出し、そのうち同じ焼成条件の3点を選択して、実際にサンプルを合成し導電率を測定した。合成したサンプルの導電率データを既知データに加えて、ベイズ最適化ステップを繰り返した。その結果、13ステップ目において、これまでの最高導電率を上回る予測値が得られなかったため、探索を終了した。また、初期データおよび探索合成実験で追加されたデータを用いて回帰分析を行い探索空間の導電率を予測したが、既知データを上回る予測値は得られなかった。以上より、ベイズ最適化を用いることで、効率的な合成条件の探索が可能であることが確認できた。今回は、網羅探索実験のおよそ1/4の実験量で探索を終了させることができた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2021年度は、デモンストレーションによって、固体電解質材料の最適焼成条件探索におけるベイズ最適化法の有効性が示した。2022年度は実際にベイズ最適化を用いてより複雑な最適合成条件探索を行い、その有効性を明らかにした。探索過程で、実験値の80％はベイズ最適化による予測値の誤差範囲内に収まり、ベイズ最適化による推定の蓋然性が高いことを確認した。また、探索を続けると推定誤差がステップごとに減少することを確認した。これらのことから、べイズ最適化を用いることにより、効率的に固体電解質材料LZPの最適合成条件を探索することができたと考えられた。しかしながら、従来のLZP材料より高い導電率を得ることは出来なかった。
|
| Strategy for Future Research Activity |
2023年度には、探索の効率化が実証されたベイズ最適化を利用してLZP以外の固体電解質に関して、最適合成プロセス条件の探索を行う。合成プロセス条件として、焼成条件に加えて、混合・粉砕条件等も検討し、最適化を行う。
|
| Causes of Carryover |
効率的に合成条件の探索ができたため、アルミナボードなどの消耗品費を抑えることができた。次年度は新材料の合成に取り組むため、必要な薬品等を購入する。
|
Research Products
(2 results)
