ナノテク情報

ナノテク・材料

AIモデルの開発により,たった1回の実験で新規プロトン伝導性電解質を発見 ~中温動作燃料電池に用いる電解質材料の開発加速化に期待~

 九州大学,岐阜大学,宮崎大学,および国立研究開発法人 科学技術振興機構(JST)は2021年8月4日,九州大学の山崎 仁丈 教授ら,岐阜大学の志賀 元紀 准教授,宮崎大学の奥山 勇治 教授らが共同で,400℃程度で動作する固体酸化物形燃料電池(SOFC)に必要なプロトン(H+)伝導性電解質を探索する人工知能(AI)モデルを開発し,たった1回の実験で新規プロトン伝導性電解質を発見した,と発表した.本研究は,JST 戦略的創造研究推進事業 CREST等の支援を受け,ACS Energy Letters誌で公開された(注).

 水素エネルギーの利用は,二酸化炭素(CO2)排出削減に向けた重要な方策である.固体酸化物形燃料電池は,その中核を担うと期待されている.SOFCは既に実用化されているが,依然として高価であり,主要構成要素である酸化物イオン伝導性電解質は,これまでのところ700~1000℃という高温で動作させねばならなかった.このため,低コストで300~450℃で発電する新規電解質材料の開発が求められている.

 一方,イオンにプロトンを選ぶと動作温度が400℃付近になり,ペロブスカイト酸化物(一般式 ABO3)には,高いプロトン伝導性を示す材料が多い.しかし,金属酸化物にプロトン伝導性を発現させるには,構成元素の一部をアクセプター元素で置換し,酸素欠損欠陥δを生成する必要があるが,どのような元素(AとB)を組み合わせればプロトン伝導が発現するのかは明らかでない.A,Bの候補は周期律表の中の多数の元素におよび,元素の組み合わせは無限に近い.新規プロトン伝導性電解質の開発は困難を極めた.

 これに対し,本研究グループは,無限に近い組み合わせから目的の材料を加速的に探索できるAIモデルを開発し,新規プロトン伝導性電解質の発見に成功した.まず,22組成の既存材料を合成し,熱重量分析(TGA)により精度の高いプロトン濃度データを取得し,信頼できる文献値と組み合わせて,65組成・761データの訓練データベースを構築した.次いで,この訓練データを,プロトン導入反応の物理化学的知見とともに学習させ,未知ペロフスカイト材料のプロトン濃度の温度依存性を予測するAIモデルを開発した.この際に,「金属酸化物中におけるプロトン濃度はアクセプター濃度に比例する」という物理化学的知見をAIに学習させることで,少ない訓練データ数でも温度依存性を精度よく予測できるようにした.

 開発したAIモデルを用いて,8613種類の材料中のプロトン濃度の温度依存性を予測し,SrSnO3がプロトン伝導性電解質の母材となることが見出され,プロトン伝導性電解質の候補としてSrSn0.8Sc0.2O3-δが導き出された.この候補材料を実際に合成し,プロトン濃度を測定したところ,SOFCの動作温度域である400℃以上の温度域においてAIが予測したプロトン濃度とよく一致していることが分かった.

 今後,AIモデルの活用による,プロトン伝導性電解質の発見や,SOFCの開発の加速を期待している.

(注)Junji Hyodo, Kota Tsujikawa, Motoki Shiga, Yuji Okuyama, and Yoshihiro Yamazaki, "Accelerat-ed discovery of proton-conducting perovskite oxide by capturing physicochemical fundamentals of hy-dration", ACS Energy Letter, 2021, Vol. 6, pp. 2985-2992, DOI: 10.1021/acsenergylett.1c01239; Publica-tion Date: August 4, 2021