「新エネルギー車の国内小売普及率は7月に51.1%に達し、予定より11年も早いペースで推移した」。このデータは、中国自動車販売協会乗用車市場情報合同支部が今年8月に発表したもので、新エネルギー車市場の力強い成長の勢いを浮き彫りにするとともに、この分野のエネルギー構造転換における重要な節目でもある。

新エネルギー車の急速な市場浸透は、政策的インセンティブと市場受容度の向上に加え、2つの重要な要因によるものです。第一に、テスラの積極的な価格競争が業界全体に価格引き下げの波を引き起こし、数々の販促キャンペーンが継続的に販売を促進しました。第二に、バッテリー技術の継続的な革新により、長い充電時間や充電ステーションの不均一性に関する消費者の航続距離への不安が効果的に軽減され、消費者の信頼感をさらに高めました。

新エネルギー車の「心臓部」である動力電池は、車両全体の性能、コスト、そしてユーザーエクスペリエンスの向上に不可欠です。例えば、BYDのブレードバッテリーの発売は、バッテリーパックのスペース利用率と安全性を大幅に向上させるだけでなく、電気自動車の航続距離を1,000キロメートル以上に引き上げ、トップクラスの航続距離性能を実現すると期待されています。そのため、あるネットユーザーは「動力電池は新エネルギー車メーカーの寿命の半分を奪う」と的確なコメントをしています。この評価は、新エネルギー車産業チェーンにおけるバッテリーの中核的位置を浮き彫りにするだけでなく、市場競争力における技術革新の重要性をさらに示しています。

注目すべきは、バッテリー技術の重要性が新エネルギー自動車分野にとどまらないことです。民生用電子機器から大規模エネルギー貯蔵システムに至るまで、バッテリーは不可欠な基幹技術です。中国工程院が発表した「2035年までに新材料強国を築くための戦略研究」では、バッテリー材料が新エネルギー材料分野の重要な発展方向として明確に挙げられています。これは、将来のエネルギー構造におけるバッテリー技術の戦略的重要性を示すだけでなく、新エネルギー産業の総合的な高度化に向けた重要な指針も提供しています。

主要な戦略的材料開発の優先事項と方向性、出典：「2035年までに新たな材料大国を築くための戦略研究」
一方、人工知能（AI）の急速な発展は、高度に複雑な新型電池の研究開発に新たな弾みをもたらした。中国科学院院士で清華大学教授の欧陽明高氏は、2024年科学知能サミットで次のように述べた。 「電池材料に関して言えば、これまで材料研究開発はすべて試行錯誤に基づいており、膨大な人手を費やし、サイクルが長すぎて効率が低かった。しかし今、AIの活用によって、これまでの研究開発パラダイムを変えることができる。現在、実験、特性評価、シミュレーション、調製など、材料設計の完全自動化を実現し、プロセス全体のインテリジェンスを実現し、高度に複雑な新型電池の開発効率を大幅に向上させている。」

長年の努力：従来の電池研究開発の問題点と課題

バッテリーの研究開発は、材料のスクリーニング、合成と調製、特性評価と試験、そしてプロセスの最適化といった段階を網羅する、複雑かつ体系的なプロジェクトです。従来のバッテリー研究開発では、主に「実験的な試行錯誤」のアプローチが採用されており、開発サイクル全体は数年にわたり、多額の資金投資を必要とします。このプロセスの各段階には、それぞれ固有の課題と困難が伴います。

画像出典: ニューヨークタイムズ、バッテリー研究・生産工場。

具体的には、電池材料のスクリーニングプロセスにおいて、研究者は実験の実現可能性、費用対効果、安全性といった要素を考慮し、最適な電極材料と電解質配合を見つける必要があります。しかし、正極、負極、電解質、セパレーターといった電池構成材料には、選択可能な材料が数多く存在します。従来のスクリーニング方法では、一つ一つ実験検証を行う必要があり、多くの時間とリソースを消費し、試行錯誤によるコストも高くなります。

電池の合成と調製において、研究者は理想的な材料特性を得るために反応条件を精密に制御する必要があります。これらの条件には、温度、圧力、時間、環境が含まれます。例えば、固体電池は、硫化物の大気安定性の低さや、電極/電解質界面の化学的・電気化学的安定性など、合成において依然として大きな課題を抱えています。これらの課題は、固体電池への大規模応用を制限し、合成および調製プロセスに対するより高い要求を課しています。

論文の宛先:
https://wulixb.iphy.ac.cn/article/doi/10.7498/aps.69.20201581

画像出典：Acta Physica Sinica。硫化物電解質をベースとした固体リチウム電池インターフェースが直面する主要な課題。

特性評価プロセスでは、研究者は結晶構造、電気化学特性、熱安定性といった電池材料の主要特性を試験・分析する必要があります。しかし、電池の主要な性能指標（サイクル寿命やエネルギー密度など）を評価するには、通常、長期間の試験が必要であり、研究開発プロセスに大きな遅延が生じます。

プロセス最適化段階において、コーティング、乾燥、圧縮といった様々なパラメータを最適化することは、非常に複雑な多変数問題です。小規模な実験室での研究開発で得られた理想的な性能を、工業生産において再現することは、しばしば困難です。

画像提供：Samsung SDI

まとめると、従来のバッテリー研究開発手法は、材料選定からプロセス最適化に至るまで、あらゆる段階で複雑な課題に直面しています。将来のバッテリー開発では、従来の研究開発のボトルネックを根本的に克服するために、データ駆動型設計手法、ハイスループット合成・試験技術、そしてインテリジェント製造手法をより積極的に取り入れる必要があります。このプロセスにおいて、AIは重要な役割を果たすでしょう。

希望の光が見えてきました。AI for Science がバッテリーの研究開発に新たな道を開きます。

固体電池などの新しい電池技術の開発には多くの課題が伴いますが、AI for Science (AI4S) パラダイムの波に乗って、ますます多くの大学や研究機関が電池研究への AI 関連技術の応用を模索し始めています。

具体的には、 AIはバッテリー材料のスクリーニングと発見を加速させることができます。バッテリー材料の開発には数万通りの化学物質の組み合わせが関わってきますが、実験による検証は時間とリソースの制約を受けます。ハイスループットコンピューティングと機械学習にAIを応用することで、研究者はシミュレーションと予測を通じて、高性能な潜在的材料を迅速にスクリーニングできるようになります。例えば、マイクロソフトとPNNLはAI技術を用いて3,200万通りの潜在的なバッテリー材料をスクリーニングし、80時間以内にリストを23種類に絞り込みました。そのうち5種類は既知の材料でした。研究チームによると、これらの材料を従来の方法で入手した場合、このプロセスには20年以上かかっていたとのことです。

「人工知能とクラウド高性能コンピューティングによる計算材料発見の加速：大規模スクリーニングから実験検証まで」と題された関連研究が、プレプリントウェブサイトarXivに掲載されました。
論文の宛先:
https://arxiv.org/pdf/2401.04070

Microsoft AI と HPC ツールを使用して発見された新しい固体電解質サンプル。(画像提供: Microsoft)

第二に、AIはバッテリーの合成と製造においても優れたパフォーマンスを発揮します。特に、界面の問題はバッテリー性能における重要なボトルネックです。例えば、リチウム金属アノードと電解質間の界面安定性は、バッテリーの安全性と寿命を直接左右します。従来の実験では、界面における複雑な反応を完全に理解することは困難ですが、AIモデルは分子動力学シミュレーションと実験データを組み合わせることで、界面反応経路を予測し、より優れた電解質材料を設計することができます。例えば、華南理工大学の研究者は、AIモデルを用いてリチウムイオン電池の界面反応をモデル化し、バッテリーコンポーネントの最適化に重点を置き、より安定した電解質材料の開発の方向性を示しました。

「第一原理分子動力学シミュレーションによる電解質とLi(2)MnO(3)との界面反応に関する洞察」と題された関連研究が、Journal of Materials Chemistry誌に掲載されました。
論文の宛先:
https://pubs.rsc.org/en/content/articlelanding/2024/ta/d4ta04598j

バッテリー特性試験において、AIはバッテリー寿命予測においても優れた性能を発揮します。MIT 、スタンフォード大学、トヨタ・リサーチ・インスティテュート（TRI）の研究者たちは、AIを用いてバッテリー寿命を予測しました。このAIアルゴリズムは、5回の充放電サイクルに基づいて最大95%の精度でバッテリー寿命を判定し、予測値と実際のバッテリー寿命の誤差は9%以内です。注目すべきは、このデータセットがオープンソースであり、この種のものとしては最大規模であるということです。

「容量劣化前のバッテリーサイクル寿命のデータ駆動型予測」と題された関連研究が『ネイチャー』誌に掲載されました。
論文の宛先:
https://www.nature.com/articles/s41560-019-0356-8

最近、中国科学院大連化学物理研究所は西安交通大学と共同で、バッテリー健康管理の分野で新たな進歩を遂げました。研究者たちは、従来の方法における大量の充電試験データへの依存を効果的に解消する、新たなディープラーニングモデルを開発しました。このモデルは、リアルタイムのバッテリー寿命予測への新たなアプローチを提供し、リチウムバッテリーの寿命をエンドツーエンドで評価することを可能にします。このモデルは、第一世代のバッテリーデジタルブレイン「PBSRD Digit」の中核モデルの重要な構成要素でもあり、インテリジェントなバッテリー管理ソリューションを提供します。

関連研究「少量の充電サイクルに基づくディープラーニングによるリチウムイオン電池の寿命予測」が『IEEE Transactions on Transportation Electrification』に掲載されました。
論文の宛先:
https://ieeexplore.ieee.org/document/10613834

バッテリー寿命予測に応用されたディープラーニング技術。（画像提供：中国科学日報）

さらに、AIは電池材料の製造プロセスの最適化において大きな可能性を実証しています。例えば、固体電池は電解質の微細構造を厳密に制御する必要があります。AI技術は、コンピュータービジョンと最適化アルゴリズムを用いて、材料調製プロセスにおける温度や圧力などのパラメータを分析し、生産の安定性を向上させ、製造コストを削減することができます。例えば、フランス・ピカルディにあるジュール・ヴェルヌ大学は、他の複数の研究機関と共同で、機械学習技術を用いて電極製造プロセスを監視・最適化できることを実証しました。この手法により、電池製造パラメータをリアルタイムで調整できるため、廃棄物を大幅に削減し、製品の安定性を向上させることができます。

「機械学習ベースの電極製造の最適化による高性能エネルギーおよび電力バッテリーセルの実現に向けて」と題された関連研究が、Science 誌に掲載されました。

論文の宛先:
https://www.sciencedirect.com/science/article/pii/S037877532301050

AI for Scienceパラダイムの推進により、電池材料分野は新たな技術革命の瀬戸際に立っていることが予測されます。AIの応用は、電池材料の研究開発に新たなアイデアとツールをもたらすだけでなく、電池技術の発展の道筋全体を再構築しています。

多くの競合他社が優位性を競う中、AI は新しいバッテリー技術の産業化を加速させています。

バッテリー業界は技術革新の波の最前線にあり、AIは間違いなくこの技術ルネサンスを牽引する中核的な原動力となっています。AI技術の深化は、学術研究におけるバッテリー科学の最先端理論の発展を促しただけでなく、産業界においても高い実用価値を示し、バッテリー技術の商業化、大規模生産、そして性能最適化に新たな推進力を与えています。

国際市場では、多くの企業が既にAIを活用したバッテリー技術の開発をリードしています。テスラは、AIを活用してバッテリー管理システム（BMS）を最適化し、ディープラーニングと機械学習技術を用いてバッテリーの状態と寿命を予測し、データドリブンな手法を活用してスーパーチャージャーとエネルギー管理を改善しています。

韓国のバッテリーメーカー LG Energy Solution は、バッテリーの劣化、故障モード、エネルギー管理の最適化を予測することに重点を置いた AI プラットフォームを開発し、エネルギー貯蔵システム (ESS) の動的な予測および最適化機能も提供しています。

リチウム金属電池メーカーのSES AIは、NVIDIA、Crusoe、Supermicroといったテクノロジー企業との提携を発表し、新電池材料の開発を加速させる計画です。AIに最適化された高性能スーパーコンピュータを用いて低分子化合物のデータベースを構築することで、電池化学システムの理解を深め、エネルギー貯蔵ソリューションの開発を加速させる予定です。

さらに、NVIDIAは最近、ALCHEMI NIMプロジェクトがAI技術を活用して電気自動車用バッテリーや太陽光パネルなどの持続可能なエネルギー材料の開発を加速すると発表しました。これらのプロジェクトは、材料の電気化学的性能を効率的にシミュレーション・予測できるため、新材料の開発サイクルを短縮するだけでなく、コストを大幅に削減し、世界的なエネルギー転換を技術的に支援します。

画像出典: X

国内市場に戻ると、様々な企業によるバッテリー研究開発のイノベーションも活発で競争的な様相を見せています。動力電池業界の世界的リーダーであるCATLは、AI技術を積極的に活用し、バッテリーの化学反応と材料性能のモデリングと最適化を進め、高エネルギー密度バッテリーの研究開発に注力しています。2023年12月、CATLは香港にAI for Scienceを専門とする国際研究開発センターを設立すると発表しました。CATLの曽宇群会長も、過去1年間、特にバッテリー材料システムのイノベーションにおけるAI導入の加速について、複数の公の場で言及してきました。

CATLが神星超充電式バッテリーを発売（画像出典：インターネット）

さらに、SVOLTは業界初となる自動車グレードのAIインテリジェント動力電池工場を江蘇省金壇市に建設し、AIを活用して電池プロセス全体を管理することで、一連の高性能電池製品を発売し、新エネルギー電池の大規模応用を大きく加速させました。

同時に、海外市場ではQuantumScape、Inobat Auto、Mitra Chem、Aionicsなど、バッテリー開発分野への人工知能導入を目指すAIバッテリー材料スタートアップ企業が相次いで誕生しています。中でもMitra Chemは、一部のバッテリー技術専門家から「シリコンバレーの人工知能技術を駆使したバッテリー材料イノベーター」と評されています。

一方、中国市場では、欧陽明高院院士のチームが育成したSenseTime社など、数多くの新たなエネルギーAI企業が台頭しています。同社は世界初の大規模バッテリーAIモデル「PERB2.0」をリリースしました。このモデルは膨大な量のバッテリーデータを処理・分析することができ、バッテリー設計、性能最適化、そしてインテリジェントな意思決定において重要な役割を果たします。

結論として、国内外の企業、大手企業、スタートアップ企業がバッテリーの研究開発の分野で AI を積極的に取り入れています。

結論は

現状を振り返ると、材料の発見から製造の最適化、性能予測からライフサイクル全体の管理に至るまで、AI技術はバッテリー研究開発のあらゆる側面を包括的に強化し、新エネルギー産業に大きな推進力を与えています。科学研究​​成果と産業実践を深く融合させることで、AIは技術革新を加速させるだけでなく、バ​​ッテリー技術の大規模応用とコスト削減を促進しています。

しかし、何事も開発は紆余曲折を経るものであり、AIとバッテリー研究開発の深い融合は一朝一夕で達成できるものではありません。CATLの曽玉群会長は、「AI4S（バッテリー材料研究開発）はまだ特に優れたモデル、構造、アルゴリズムを備えておらず、道のりは長い」と述べています。

参考文献:

1.http://finance.people.com.cn/n1/2024/0812/c1004-40297368.html
2.https://www.auto-made.com/news/show-16443.html
3.https://www.engineering.org.cn/sscae/CN/article/downloadArticleFile.do?attachType=PDF&id=28528
4.https://esst.cip.com.cn/CN/10.19799/j.cnki.2095-4239.2024.0698
5.http://www.xinhuanet.com/science/20241121/6c8a64232e464ee886b8dc4c732f81fd/c.html
6.https://developer.nvidia.com/zh-cn/blog/revolutionizing-ai-driven-material-discovery-using-nvidia-alchemi/
7.http://www.dicp.cas.cn/xwdt/mtcf/202410/t20241022_7405757.html
8.https://www.cas.cn/syky/202411/t20241120_5040077.shtml

*9.https://www.sciencedirect.com/scien