目前，人工智能（AI）在材料设计领域备受关注。与药物研发、分子设计和生物信息学一样，AI也被广泛引入固态电池领域。全固态电池将传统电池中的液态电解质替换为固体电解质，有望成为新一代电池。

全固态电池作为电动汽车的重要组成部分，正被积极开发以促进脱碳社会的实现。关于该电池的材料，期望固体电解质中的带电荷离子能够作为电荷载流子迅速移动。

此外，固体电解质即使与正极和负极等构成电池的其他部分接触，也必须保持稳定状态。在高性能固体电解质的设计中，需要一种满足这些特性标准的材料，而这是一个长期存在的课题。

因此，研究人员通过使用最先进的计算机模拟来设计固体电解质，目的是在实际进行合成测试之前获得有关材料特性的信息。

例如，如果使用基于量子力学的“第一原理计算”，则可以计算出物质中原子和电子的稳定排列。由此，能够同时评估几种物质的电解质特性（离子电导率、化学稳定性、电化学稳定性），并可以通过利用第一原理计算的高速大量筛选，从几万种候选材料中选择出具有所需特性的材料。

那么，如何才能进一步缩小所需材料的范围呢？其中，模仿研究人员实际进行的迭代过程的AI模型被认为是有效的。

例如，为了探索具有高离子电导率的固体电解质，使AI模型学习过去的实验值，以便确定离子电导率与晶体结构和化学性质之间的关系。由此，还可以预测关于离子传导的未知材料。

此外，通过使AI本身能够评估其预测精度（预测的不确定性），对选定的候选物质进行优先级排序。这种AI技术被称为“贝叶斯优化”。通过在一系列循环中反复获取和更新知识，可以提高预测精度。

研究人员通过这种方式，成功找到了一些有望用作新型固体电解质的材料，并且已经合成了部分物质，目前正在评估其作为固体电解质的适用性。希望今后能充分利用AI以在材料设计领域继续引领世界。

材料发展最前沿：利用AI探索固体电解质