1769403100
2026-01-26 04:40:00
(前列左から) ホン・スンボム教授、チョ・ウネ教授 (左後から) カン・チェユル、ベネディクトゥス・マディカ、ムン・ジョンヒョン、パク・テミン (上) シム・ジュソン
バッテリー内部の正極材料は、リチウムイオン電池がエネルギーを貯蔵して使用できるようにするコア材料です。現在、電気自動車のバッテリーに最も広く使用されている正極材料は、ニッケル (Ni)、コバルト (Co)、マンガン (Mn) を混合した NCM ベースの金属酸化物で、バッテリーの寿命、充電速度、航続距離、安全性に大きな影響を与えます。
この問題を解決するために、研究チームは欠損データを補完し、信頼性とともに予測結果を提示する AI フレームワークを設計しました。このフレームワークは、化学的特性を考慮して欠落した実験データを補完する技術（MatImpute）と、予測の不確実性を計算する確率的機械学習モデル（NGBoost）を組み合わせたことが特徴です。
この研究は、電池研究においてすべての実験を行うことなく、成功の確率が高い条件を最初に見つける方法を開いたという点で重要です。これにより、電池材料の開発がスピードアップし、無駄な実験やコストが大幅に削減されることが期待されます。
ホン・スンボム教授は、「AIが予測値だけでなく、その結果がどの程度信頼できるのかを提示することが重要だ」とし、「次世代電池材料をより迅速かつ効率的に設計するのに実用的に役立つだろう」と述べた。
この研究には、材料科学工学科の博士課程学生であるBenediktus Madikaが筆頭著者として参加し、2025年10月8日付けで材料科学と化学工学の分野で国際的に権威のある学術誌「Advanced Science」に掲載されました。
一方、この研究は、Benediktus Madika、Chaeyul Kang、JooSung Shim、Taemin Park、Jung Hyeon Moon の各研究者と、EunAe Cho 教授、Seungbum Hon 教授の研究チームによって行われ、科学情報通信部 (MSIT)、韓国国立研究財団 (NRF)、未来融合技術パイオニア (戦略的) の支援を受けて実施されました。 RS-2023-00247245)。
/一般公開。元の組織/著者からのこの資料は、その時点の性質のものである可能性があり、明確さ、スタイル、長さのために編集されています。 Mirage.News は組織的な立場や立場をとらず、ここで表明されたすべての見解、立場、結論は著者のみのものです。全文はこちらでご覧ください。
#がバッテリーのパフォーマンスを予測しテストを削減