第1章：電池材料の基礎とマテリアルズ・インフォマティクスの役割

学習目標: - 電池の動作原理と主要性能指標を理解する - 電池材料開発の課題を把握する - MIが電池開発にもたらす価値を認識する - 電池産業の動向と市場規模を知る

読了時間: 25-30分

1.1 電池の基礎

1.1.1 電池の動作原理

電池とは: 化学エネルギーを電気エネルギーに変換（または逆変換）するデバイス

基本構成:

┌─────────────────────────────────┐
│        負極（Anode）              │ ← 酸化反応（放電時）
│    例: グラファイト（LiC₆）        │
├─────────────────────────────────┤
│        電解質（Electrolyte）      │ ← Li⁺イオン伝導
│    例: LiPF₆/EC+DMC             │
├─────────────────────────────────┤
│        正極（Cathode）            │ ← 還元反応（放電時）
│    例: LiCoO₂（LCO）             │
└─────────────────────────────────┘

放電時の反応: - 負極: LiC₆ → C₆ + Li⁺ + e⁻ （Li⁺放出） - 正極: Li⁺ + e⁻ + CoO₂ → LiCoO₂ （Li⁺挿入） - 全体: LiC₆ + CoO₂ → C₆ + LiCoO₂ （E° ≈ 3.7 V）

充電時: 逆反応が進行

1.1.2 主要性能指標

エネルギー密度（Energy Density）: - 定義：単位質量あたりのエネルギー（Wh/kg） - 計算式：エネルギー密度 = 容量（mAh/g） × 電圧（V） × 0.001 - 現状：LIB 200-300 Wh/kg、目標 500 Wh/kg（全固体電池）

パワー密度（Power Density）: - 定義：単位質量あたりの出力（W/kg） - 用途による要求：EV（>300 W/kg）、定置用（>50 W/kg）

サイクル寿命: - 定義：容量が初期の80%に低下するまでのサイクル数 - 現状：LIB 500-1,500サイクル、目標 3,000-5,000サイクル

クーロン効率（Coulombic Efficiency）: - 定義：CE = (放電容量) / (充電容量) × 100% - 理想値：100%（実際は98-99.5%）

C-rate: - 定義：充放電速度の指標 - 1C：1時間で満充電/満放電 - 5C：12分で満充電（急速充電）

1.1.3 電池の種類

リチウムイオン電池（LIB）: - 正極：LCO, NMC, NCA, LFP - 負極：グラファイト、Si合金 - 電解質：有機液体電解質（LiPF₆） - エネルギー密度：200-300 Wh/kg - 用途：スマホ、EV、ノートPC

全固体電池（ASSB: All-Solid-State Battery）: - 電解質：固体（硫化物系、酸化物系、高分子系） - 利点：高安全性、高エネルギー密度（>500 Wh/kg） - 課題：界面抵抗、製造コスト - 実用化目標：2027-2030年

Li-S電池（Lithium-Sulfur）: - 正極：硫黄（S₈） - 理論容量：1,672 mAh/g（LCOの5倍） - 課題：ポリサルファイド溶出、サイクル性能 - エネルギー密度目標：500-600 Wh/kg

Li-air電池（Lithium-Air）: - 正極：大気中の酸素 - 理論エネルギー密度：11,680 Wh/kg（実用は未達） - 課題：電解液分解、サイクル性能 - 研究段階

Na-ion電池（Sodium-Ion）: - Liの代わりにNaを使用 - 利点：低コスト（Na豊富）、同様の化学 - エネルギー密度：150-200 Wh/kg（LIBの70%） - 用途：定置用蓄電、低コストEV

1.2 電池材料開発の現状と課題

1.2.1 従来の開発プロセス

ステップ1: 文献調査（1-3ヶ月） - 過去の研究から候補材料をリストアップ - 問題：膨大な論文数（年間10,000報以上）

ステップ2: 材料合成（3-6ヶ月） - 固相法、水熱法、ゾルゲル法など - 問題：合成条件の最適化に時間がかかる

ステップ3: 評価測定（6-12ヶ月） - 充放電試験、サイクル試験、安全性試験 - 問題：評価に時間とコストがかかる

ステップ4: 最適化（12-24ヶ月） - 組成、形態、合成条件の最適化 - 問題：パラメータ空間が広大

総開発期間: 3-5年（実用化まで10年以上）

1.2.2 主要課題

課題1: エネルギー密度向上 - 現状：LIB 250 Wh/kg（セルレベル） - 目標：500 Wh/kg（全固体電池、Li-S電池） - 必要技術：高容量正極（>250 mAh/g）、Li金属負極

課題2: 急速充電 - 現状：80%充電に30-60分 - 目標：10分で80%充電（800 km/h充電速度） - 障壁：Li析出、熱発生、イオン拡散律速

課題3: サイクル寿命延長 - 現状：500-1,500サイクル（80%容量維持） - 目標：3,000-5,000サイクル（EV 500,000 km相当） - 劣化メカニズム：SEI成長、構造崩壊、Li析出

課題4: 安全性向上 - リスク：熱暴走（thermal runaway）、発火 - 原因：内部短絡、過充電、機械的損傷 - 対策：固体電解質、難燃性電解液、保護回路

課題5: コスト削減 - 現状：$150/kWh（2024年） - 目標：$50/kWh（EVがガソリン車と同等） - 高コスト要因：Co（$40,000/ton）、Li（$15,000/ton）

課題6: サプライチェーン - Co依存：コンゴが60%生産（地政学リスク） - Li依存：オーストラリア、チリが80%生産 - 解決策：Na-ion電池、リサイクル

1.3 MIが解決する電池開発の課題

1.3.1 容量・電圧予測

従来法: - DFT計算：1材料に数日～数週間 - 実験合成：1材料に数週間～数ヶ月

MI手法: - 機械学習モデル：秒単位で予測 - 手法：Random Forest、XGBoost、Graph Neural Network - データ：Materials Projectから140,000+材料

成果例: - 容量予測精度：MAE < 10 mAh/g（実用レベル） - 電圧予測精度：MAE < 0.1 V - スクリーニング速度：10,000材料/日

1.3.2 サイクル劣化予測

従来法: - 実機サイクル試験：1,000サイクルに3-6ヶ月 - 加速試験：データの信頼性に課題

MI手法: - 時系列モデル：LSTM、GRU - 初期100サイクルから2,000サイクル後を予測 - 寿命予測（RUL: Remaining Useful Life）

成果例: - RUL予測誤差：< 10% - 早期異常検知：劣化加速を50サイクル以内に検出 - コスト削減：試験期間80%削減

1.3.3 新材料探索

従来法: - 試行錯誤：年間10-50材料 - 成功率：< 1%（実用化まで）

MI手法: - ベイズ最適化：効率的な探索 - Active Learning：実験→予測→次実験のループ - High-throughput DFT：並列計算で数百材料

成果例: - 探索効率：70%以上の実験削減 - 新材料発見：Na₃V₂(PO₄)₂F₃（Naイオン正極） - 開発期間：5年 → 2年（60%削減）

1.3.4 充電プロトコル最適化

従来法: - 固定充電カーブ：CC-CV（Constant Current - Constant Voltage） - 問題：劣化速度が速い、最適化余地あり

MI手法: - 強化学習（Reinforcement Learning） - 報酬関数：充電速度 + サイクル寿命 - 劣化 - Multi-objective Optimization

成果例: - 10分で80%充電、劣化速度 < 1%/1000サイクル - EV充電時間：30分 → 10分（Stanford University, 2020） - 特許出願：Tesla、トヨタ、Panasonic

1.4 電池産業のインパクト

1.4.1 市場規模

2024年: - 電池市場：$500億（50兆円） - リチウムイオン電池：85% - 次世代電池：15%（研究開発段階）

2030年予測: - 電池市場：$1,200億（120兆円） - 成長率：年平均15% - 牽引役：EV（70%）、定置用蓄電（20%）、IoT（10%）

1.4.2 主要分野

電気自動車（EV）: - 2024年：年間1,400万台（全体の18%） - 2030年予測：3,000万台（全体の30%） - 必要電池容量：1,500 GWh/年（2030年）

定置用蓄電システム: - 用途：再エネ安定化、ピークシフト、非常用電源 - 2024年：50 GWh - 2030年予測：300 GWh - 重要性：太陽光・風力の変動吸収

IoTデバイス: - スマートフォン、ウェアラブル、ドローン - 要求：小型化、長寿命、安全性 - 2030年予測：100 GWh

1.4.3 主要企業

電池メーカー（2024年世界シェア）: 1. CATL（中国）：37% 2. LG Energy Solution（韓国）：14% 3. BYD（中国）：12% 4. Panasonic（日本）：9% 5. Samsung SDI（韓国）：5%

自動車メーカー: - Tesla: 自社電池開発（4680セル） - トヨタ: 全固体電池の実用化目標（2027年） - GM: Ultium電池プラットフォーム - Volkswagen: PowerCo設立（電池専業）

材料メーカー: - 住友金属鉱山: 正極材料（NCM） - 日立化成: 負極材料、電解液 - 旭化成: セパレータ（世界シェア30%）

1.4.4 カーボンニュートラルへの貢献

CO2削減効果: - EV普及（2030年）：年間5億トンCO2削減 - 再エネ安定化：火力発電削減 → 年間10億トンCO2削減 - 合計：年間15億トンCO2削減（全体の3%）

ライフサイクル評価: - 製造段階：CO2排出あり（グリッドの再エネ化で削減） - 使用段階：ゼロエミッション（EVの場合） - 廃棄・リサイクル：リサイクル率95%達成目標

循環経済（サーキュラーエコノミー）: - 電池リサイクル：Liの90%回収可能 - リユース：EV廃バッテリーを定置用蓄電に転用 - アップサイクリング：新技術での価値向上

1.5 主要企業の電池AI戦略

1.5.1 Tesla

戦略: - 充電最適化AI（特許多数） - Battery Management System（BMS）の機械学習 - 製造プロセス最適化（ギガファクトリー）

成果: - 10年保証（160,000 km以上、70%容量維持） - 充電速度：スーパーチャージャーV4（350 kW）

1.5.2 Panasonic

戦略: - 材料スクリーニング（DFT + ML） - サイクル劣化予測モデル - 製造品質管理AI

成果: - Teslaとの共同開発（2170セル、4680セル） - エネルギー密度：260 Wh/kg（業界トップクラス）

1.5.3 トヨタ自動車

戦略: - 全固体電池の実用化（2027年目標） - 固体電解質材料のAI探索 - 製造プロセス開発

成果: - 全固体電池プロトタイプ（1,000 km航続距離） - 充電時間：10分で80%（目標）

1.5.4 CATL

戦略: - Naイオン電池の商業化（2023年開始） - Liフリー材料のML探索 - 高速充電技術（Qilin Battery）

成果: - エネルギー密度：255 Wh/kg（2024年） - コスト：$80/kWh（業界最安）

1.6 電池研究のキャリアパス

1.6.1 アカデミア

役職: - ポスドク（3-5年） - 助教（5-10年） - 准教授（10-15年）

給与（日本）: - ポスドク：年収400-600万円 - 助教：年収600-800万円 - 准教授：年収800-1,200万円

主要機関: - 東京大学（先端科学技術研究センター） - 東北大学（多元物質科学研究所） - 京都大学（化学研究所） - 産業技術総合研究所（AIST）

1.6.2 産業界

役職: - Battery Scientist - Material Engineer - Process Engineer

給与（日本）: - 入社3年：年収500-700万円 - 10年：年収800-1,200万円 - 管理職：年収1,200-1,800万円

主要企業: - Panasonic - トヨタ自動車 - 村田製作所 - 住友金属鉱山

1.6.3 スタートアップ

代表例: - QuantumScape（米国）：全固体電池、時価総額$5B - SES（米国）：Li-Metal電池、$1.4B調達 - Northvolt（スウェーデン）：持続可能電池、$8B調達 - Factorial Energy（米国）：固体電解質、$200M調達

キャリア: - リスク高、リターン高 - 技術 + ビジネス + 資金調達スキル必要 - ストックオプションでの大型リターン可能性

1.7 まとめ

学んだこと

1. 電池の基礎: - 動作原理（酸化還元反応、イオン伝導） - 主要性能指標（エネルギー密度、サイクル寿命、安全性） - 電池の種類（LIB、全固体、Li-S、Na-ion）

2. 開発課題: - エネルギー密度向上（300 → 500 Wh/kg） - 急速充電（10分で80%） - サイクル寿命延長（500 → 3,000サイクル） - 安全性向上、コスト削減

3. MIの役割: - 容量・電圧予測（秒単位） - サイクル劣化予測（試験期間80%削減） - 新材料探索（実験70%削減） - 充電プロトコル最適化

4. 産業インパクト: - 市場規模：$50B（2024年）→ $120B（2030年） - EV普及によるCO2削減：年間5億トン - 主要企業：CATL、Panasonic、トヨタ、Tesla

次のステップ

第2章では、電池材料に特化したMI手法を詳しく学びます： - 電池材料記述子の4タイプ - 容量・電圧予測モデルの構築 - サイクル劣化予測（LSTM/GRU） - ベイズ最適化による材料探索

演習問題

問1: リチウムイオン電池の放電時、負極と正極でそれぞれどのような反応が起こるか説明せよ。

問2: エネルギー密度300 Wh/kg、容量180 mAh/gの正極材料の平均電圧を計算せよ。

問3: 全固体電池が従来のリチウムイオン電池より優れている点を3つ挙げよ。

問4: MIによる材料探索が従来法と比べて実験数を70%削減できる理由を説明せよ。

問5: カーボンニュートラル実現において電池が果たす役割を、EV普及と再エネ安定化の観点から論じよ（400字以内）。

参考文献

1. Goodenough, J. B. & Park, K.-S. "The Li-ion rechargeable battery: a perspective." J. Am. Chem. Soc. (2013).
2. Manthiram, A. "A reflection on lithium-ion battery cathode chemistry." Nat. Commun. (2020).
3. Chen, Y. et al. "A review of lithium-ion battery safety concerns." Proc. IEEE (2021).
4. Sendek, A. D. et al. "Machine Learning-Assisted Discovery of Solid Li-Ion Conducting Materials." Chem. Mater. (2019).
5. Attia, P. M. et al. "Closed-loop optimization of fast-charging protocols for batteries with machine learning." Nature (2020).

次章: 第2章：電池材料設計に特化したMI手法

ライセンス: このコンテンツはCC BY 4.0ライセンスの下で提供されています。