2022年9月22日

次世代電池材料の設計と探索に向けた原子スケールモデリングの活用

講演者

ガルヴィット・アガルワル
上級研究員

要旨

充電式リチウムイオン電池（LIB）の開発は、電気自動車や携帯型電子機器に革命をもたらしました。LIBの出力密度、安全性、信頼性、および寿命を向上させるためには、さらなる進歩が求められています。​​過去数十年にわたり、電池材料の原子レベルモデリングは、実験的な特性評価手法を補完するものであり、新技術の開発に欠かせない要素となっています。 信頼性の高い原子スケールのモデリングにより、広範な化学的・材料的な設計空間の初期評価を迅速に行うことが可能となり、次世代電池技術の開発サイクルを加速させている。

本ウェビナーでは、Schrödingerの先進的なデジタルケミストリー・プラットフォームを活用し、性能が向上した次世代電池材料の設計と創出を加速する方法についてご紹介します。また、電極、電解質、電極・電解質界面など、電池を構成するさまざまな成分の構造-property関係を解明するための、物理ベースの手法と機械学習技術の両方の応用について解説します。 また、液体電解質のモデリングに向けた最先端のニューラルネットワーク力場を開発するための、自動化されたアクティブラーニングフレームワークについても解説します。このフレームワークにより、高精度な範囲分離型ハイブリッド密度汎関数理論データを用いて力場を学習させることが可能となり、先進的な電池への応用に向けた高性能液体電解質の重要なバルク特性を正確に予測できるようになります。

主な学習目標：

• 電池材料における物理ベースモデリングの予測能力を理解する
• 自動化されたハイスループットシミュレーションワークフローが、新しい電池材料候補の迅速なスクリーニングをどのように可能にするかをご覧ください
• 電解質の物性を高精度に予測するための、高度なニューラルネットワーク力場の応用