富士通发表声明，通过与理化研究所合作，活用第一原理计算和AI (人工智能)技术，确认了用于全固体锂离子电池的电解质的组成预测的有效性。由此证明，即使在从大计算负荷的材料模拟方法之一的第一原理计算得到的数据仅为少数的情况下，也能够通过组合AI来有效地搜索最佳的材料组成，大幅度缩短材料的开发期间。

迄今为止，材料开发的成功不得不依赖于研究者、技术人员的经验、直觉，此外也需要大量失败的堆积。另一方面，第一原理计算只要指定材料组成就能够基于量子力学来预测特性，因此在实验之前预测新的高功能材料的最佳组成，有助于降低实验的失败。但是，在计算负荷较大，对于各种组成要一次进行大量计算时，花费时间过多。现在，通过使用作为AI方法之一的贝叶斯估计法(根据贝叶斯概率的算法，从观测到的事实概率地推断其原因的现象的方法)，将第一原理计算的计算次数控制为几十分之一。由此，作为用于全固体锂离子电池的固体电解质的候选材料之一，对于由3种含锂氧酸盐合成的化合物，在现实的时间内预测用于实现高锂离子传导率的最佳组成方面取得了初次成功。进一步地，实际进行了化合物的合成和分析，实现了预测的组成附近比其他组成的锂离子传导率高，证实了预测的正确性。想了解该公司关于此方面的专利，可点击下方按钮下载相关文档，我们整理了大概5件相关专利，希望能够帮到您。如果需要对工作中遇到的专利技术文字进行翻译，请使用我司的在线机器翻译平台t.aipatent.com。如果您还想跟日本电产公司洽谈进行深入合作或是有其他需求，请直接邮件联络我司support@aipatent.com。全固体电池特開2017-228453 固体电解质和全固态电池特開2017-162657 全固体电池特開2017-157394 全固体电池特開2017-152324 全固体电池特開2016-154102

活用AI 全固体电池电解质的开发时间大幅缩短