Nos Programas de Pesquisa Básica Estratégica da JST, o grupo de pesquisa liderado pelo professor associado Yuya Oaki e o estudante de pós-graduação (na época) Hiromichi Numazawa da Faculdade de Ciência e Tecnologia, A Universidade Keio estabeleceu uma nova política de design para materiais orgânicos para o ânodo de células secundárias de íon-lítio em um trabalho conjunto com o pesquisador associado Yasuhiko Igarashi, da Escola de Graduação em Ciências da Fronteira, A Universidade de Tóquio, através do uso de Informática de Materiais (MI). Um material de alta capacidade e alta estabilidade foi obtido com sucesso por meio de um número extremamente pequeno de experimentos.

A fim de conservar recursos para baterias, materiais orgânicos sem o uso de metal estão sendo pesquisados ​​em todo o mundo. Tradicionalmente, a busca por materiais anódicos para baterias de lítio e baterias de íon sódio teve que se basear em tentativa e erro ou experiência e intuição dos pesquisadores.

MI geralmente realiza aprendizado de máquina para dados em grande escala (big data), e é uma técnica que reduz o envolvimento da experiência e intuição dos pesquisadores. Um dos desafios era como os pesquisadores experimentais usam seus próprios dados de pequena escala e conhecimento empírico.

O grupo de pesquisa examinou um método, 'MI orientado para experimentos, 'que funde dados experimentais em pequena escala, mas relativamente precisos, com a experiência e intuição de pesquisadores experimentais, e alcançou um rendimento melhorado de materiais de nanofolhas e assim por diante.

Neste estudo, a capacidade de 16 compostos orgânicos como ânodo foi medida; avançar, um pequeno número de fatores que podem determinar a capacidade usando modelagem esparsa, que é uma técnica de ciência de dados, foi identificado. Com base neste resultado, uma fórmula de previsão de capacidade foi desenvolvida considerando os fatores identificados como variáveis ​​(modelo de previsão). Próximo, 11 compostos disponíveis comercialmente, com expectativa de uma certa capacidade como um ânodo, foram selecionados parcialmente com base na experiência e intuição dos pesquisadores, e o valor da capacidade prevista foi calculado antes do experimento. Avançar, a capacidade de três compostos com o maior valor previsto foi medida, e dois compostos exibiram alta capacidade. Subseqüentemente, um desses compostos, o composto de tiofeno, foi polimerizado e um anodo de polímero com capacidade melhorada, durabilidade, e a propriedade de carga-descarga rápida foi obtida.

A política de projeto para o material anódico orgânico estabelecida no presente estudo é importante para a melhoria do desempenho. Combinando um pequeno conjunto de dados experimental, experiência e intuição de pesquisadores, e o aprendizado de máquina levou à descoberta bem-sucedida de um material de alto desempenho. Ele também mostrou a eficácia da combinação da ciência experimental e MI para melhorar a eficiência da pesquisa de materiais.