我々の研究グループは、国内の研究者と共同で、400℃程度で動作する固体酸化物形燃料電池（SOFC）に必要なプロトン伝導性酸化物を探索する人工知能(AI)モデルを開発し、たった1回の実験で新規プロトン伝導性電解質を発見することに成功しました。
金属酸化物においてプロトン伝導性を発現させるには、構成元素の一部を添加元素で置換して酸素空孔を生成し、プロトン導入反応を誘起するという複雑な過程が必要です。しかし、新規材料においてどのような元素を組み合わせればプロトン伝導が発現するのかは自明ではありません。
材料を構成する元素の組み合わせは無限にあるため、新規プロトン伝導性電解質の開発は、従来、開発者の経験と勘に基づいて行われていました。
そこで、ペロブスカイト型酸化物を対象とし、これまでに見いだされたプロトン伝導性材料における構成元素の特徴やプロトン導入の物理化学的知見をAIモデルに学習させました（図１）。
予測された材料のプロトン濃度の温度依存性を元に、未知材料であるSc添加SrSnO3がプロトン伝導性酸化物であることをたった1回の実験で発見しました。これは、実験とデータ科学を有機的に融合させることによって得られた研究成果と言えます。
開発したモデルを活用することで、プロトン伝導性酸化物や中温動作SOFCの開発が大幅に加速されることが期待されます。
