高分子固体電解質をAIで自動設計

[スポンサーリンク]

スポットライトリサーチ

[スポンサーリンク]

第406回のスポットライトリサーチは、早稲田大学　先進理工学部　応用化学科　小柳津・須賀研究室の畠山歓（はたけやまかん）講師にお願いしました。

小柳津・須賀研究室では、新しい機能性高分子の創出を目指しており、その例として、レドックス反応に基づき電気や水素を可逆に貯められるポリマー、光学材料、ホール輸送材料、機能性コーティングなどを研究しています。ゴムのように伸びる二次電池など、ポリマーの特性を活かしたユニークなエネルギーデバイスも報告してきました。最近はデータ科学を活用した材料開発（マテリアルズ・インフォマティクス）にも取り組んでいます。

本プレスリリースはAIを用いた固体電解質の設計についてで、AIを用いた分子設計はいろいろな分野で利用が検討されていますが、限られた情報しか学習していないAIは、分子設計の総合的なセンスが欠落することがあり、社会実装には適さない候補構造ばかりが提案されることが大きな課題となっていました。そこでAIを用いたアルゴリズムによって材料が満たすべき分子構造の特徴を自動定義し、さらに膨大な候補群の中から最適な分子設計を富士通の「デジタルアニーラ」で高速抽出する方法の開発を行いました。

この研究成果は、「Macromolecular Rapid Communications」誌およびプレスリリースに公開されています。

Automated Design of Li⁺-Conducting Polymer by Quantum-Inspired Annealing

Kan Hatakeyama-Sato, Hiroki Adachi, Momoka Umeki, Takahiro Kashikawa, Koichi Kimura, Kenichi Oyaizu

Macromol. Rapid Commun. (2022)
DOI：10.1002/marc.202200385

研究室を主宰されている小柳津研一教授より畠山先生についてコメントを頂戴いたしました！

畠山先生は2018年にレドックス活性ポリマーの合成と二次電池利用に関する研究で学位を取得しました。その後スタッフとして、これまでの研究と並列しながら、新たにマテリアルズ・インフォマティクス(MI)の研究にも取り組んでいます。MIは、機能性高分子の合成をメインテーマに置く当研究室にも新たな切り口を与えています。また、学会発表や多くの論文出版を通じて、畠山先生は当該分野の若手の旗手として、ますます存在感を高めています。今後の更なる研究展開を期待しています。

Q1. 今回プレスリリースとなったのはどんな研究ですか？簡単にご説明ください。

いわゆるAI技術を駆使して、全固体リチウムイオン電池の部材として使える新しい高分子固体電解質を設計・合成しました。

我々は以前の研究で、分子構造からイオン伝導度を予測可能なAI(教師あり機械学習モデル)を報告しました。今回の研究は「逆問題」と呼ばれるタスクに挑戦し、分子構造そのものをAIに提示させることを目指しました。

一般に逆問題を解くのは困難とされています。現行のAIは特定のデータベースのような限られた情報にしかアクセスできず、人間が講義や実際の研究を通して会得する知識や視点を持てないことが一因です。そのため、AIは特定の性能は優れていていながらも、合成困難・不安定・機械強度が不足といった欠点を持つ、ちぐはぐな分子構造ばかりを提案する傾向にありました。

我々は一旦、こうした要素を明示的にAIに教え込むことを辞めました。あまりにも手間がかかるからです。代わりに、既に実績のある電解質群の分子構造の特徴をAI(教師なし機械学習モデル)に学習させ、そこからインスパイアされた構造を探索することにしました。研究者もしばしば類似構造を起点に分子設計を進めますので、人間臭い(ヒューリスティックな)手法とも言えます。

これにより、伝導度と電解質に必要な基本性質と両立した分子設計をAIを提示できるようになりました。イオン伝導体としては一風変わった構造をしていたものの、全固体電池の電解質として動作可能なことを実験的にも明らかにしました。

Q2. 本研究テーマについて、自分なりに工夫したところ、思い入れがあるところを教えてください。

機能性高分子の実験研究を専門に学位取得後、データ科学をゼロから勉強しながら研究を進めました。システム実装には回帰モデルに加え、教師無し学習(制限ボルツマンマシン)、深層強化学習(分子生成)、量子アニーリング技術など、古今東西の手法を組み合わせました。研究を通し、未知の分野に挑戦できたことは幸運でした。

AIの勉強が進み、その限界も見えてきました。実験者としては「合成が容易で、高温や電極反応に耐え、強靱で、伝導度もそこそこ高い」高分子が欲しかったのですが、データベースの構築コスト等を踏まえると、その全てをAIに考慮させるのは無理でした。視点を変えたアプローチにより、化学知識を持たないAIであっても、そこそこ洗練された分子設計を提示できるようになり、嬉しく思っています。

Q3. 研究テーマの難しかったところはどこですか？またそれをどのように乗り越えましたか？

ほぼ無限の組み合わせがある分子設計の中から、種々の仕様に沿った候補構造を抽出する必要があります。これはコンピュータにとっても難題です。対応策として、今回は共著の富士通が開発したデジタルアニーラと呼ばれるマシンを導入しました。量子コンピュータの一種であるアニーラに着想を得た技術で、膨大な組み合わせの中から効率的に解を探索できます。先端技術の導入が、一つの突破口になったと言えます。

また、私は実験屋ですので、一連の手法を「役に立つデータ科学」として昇華し、材料実験での検証に繋げることがミッションです。今回の研究も含め、AI予測が大外れすることは日常茶飯事です。理論と現実の乖離に四苦八苦しながら、好奇心と粘り強さで乗り切っています。

Q4. 将来は化学とどう関わっていきたいですか？

やりたいことのうち、幾つかを列挙します。1人ではとてもカバーできないので、同志やご協力頂ける方を募集中です。

プロセスインフォマティクス:　日々の材料実験をデジタル記録・クラウド管理し、AIが自動解析するシステムを目指しています。電子実験ノートを世界中の研究者・AIでシェアできたら良いと思いませんか?
量子コンピューティング:　ワクワクする技術なので、少しずつ研究中です。
敷居の低いデータ解析ツール: 現状はプログラミングがほぼ必須なので、誰でも使える材料データの解析ツールの整備が必要です。
新規材料の創出: 実験屋として、データ科学の手法、そしてロボット等も使いながら、主にエネルギー・環境問題に貢献できる新材料を作っていきたいと思っています。