本文翻译于日文版化学空间： マテリアルズインフォマティクスでリチウムイオン電池の有機電極材料を探索する

小编Sum

本次spotlight research的题目是《使用材料信息学搜索锂离子电池的有机电极材料》我们请到了来自庆应大学Hiromichi Numuzawa（沼泽 博道）博士（封面图来自论文）。

机器学习是近年来正在改写各领域的研究方式和解决思路的热门技术之一。沼泽（Numazawa）博士在庆应大学（日文：庆应义塾大学）理工学部 绪明 研究组（Oaki Group） 时，致力于借助机器学习的信息检索法（材料信息学），探索锂离子电池中更能发挥出优良性能的有机负极材料。并且本成果已由Advanced Theory and Simulation杂志刊登。

Experiment‐Oriented Materials Informatics for Efficient Exploration of Design Strategy and New Compounds for High‐Performance Organic Anode”
Numazawa, H.; Igarashi, Y.; Sato, K.; Imai, H.; Oaki, Y.

Adv. Theory Simul. 2019, doi:10.1002/adts.201900130

我们研究室PI 緒明佑哉 (Yuya Oaki）老师那得到关于沼泽博士的评价，内容如下。

大家可以感受到这位老师对于沼泽博士毫无保留的赞誉。

Q1. 这次发表的论文是一篇关于什么内容的研究？ 可以简要说明一下吗？

本研究利用信息检索学，更为高效的搜寻适应于有机锂离子电池(LIBs)的负极材料。 以节省资源和使用的安全性为出发点，探索可使用的新型有机电极材料。当然整个过程并非仅此而已，如果仅仅是单纯的寻找负极材料的话，只需要简单的重复实验各种材料就可以很容易的发现更高性能的新材料，但另一方面，这种严重依赖研究人员的实验数据堆积和科研直觉的做法很难形成系统的可重复的课题架构。因此，在本研究中，通过实验、计算、数据科学的融合进行物质探索，通过活用材料信息学来确立设计研究总体的方向。根据这样的科研方向，再通过化学上的计算与分析，最后只需要从几个候补的未知材料中中，以最少的实验次数迅速的找到最适合作为作极活性物质的材料。

文章原图

翻译图

Q2.可以简要的介绍一下您对这个研究主题的研究思路吗？

这次我们通过机器学习获得了一部分所需要的实际测量数据。 虽然整体的数据量并不大，但测量数据的准确性才是建立一个精准可用的模型中最重要的因数。但是事实上电池研发不仅仅是找到更加合适的电极材料而已， 在制作电极过程中，还有诸如填充材料和结合剂的混炼、材料之间的粘贴、对两端电极的涂抹等很多的工序.。为了获得良好的可重复性结果，早在大学时代时，我就在时常在房间的角落里反复练习电极的制作过程，这成了我人生中一段难忘的经历。

Q3.您此次的研究课题中遇到了哪些难题？您又是如何攻克这些难题的呢？

关于研究课题的本身的问题倒是不多，只是在将计算化学、数据科学引入化学研究这一点上对我们研究室来说可以说是一个完全全新的领域，由于所涉及的问题和知识几乎和我们本身所属的学科没有任何关系，在研究室内几乎没有可以咨询请教的人，所以就从无到有的一点点的学习一个全新的领域的知识，这一点来说还是挺让人挠头的。而克服的方法也很简单粗暴，就是传统的“笨办法”——死磕文献（笑）。不过现在看来，像我这样整个学生时代整天窝在化学实验室里学生来说，现在能够接触这样一种不同领域且大势所趋的机器学习技术来说，这无疑是一次非常宝贵的经验。

Q4.关于化学研究您的下一步的计划是什么？

我想成为一位拥有广泛知识领域的化学家。在所属的材料化学研究室，进行了有机·无机·高分子，甚至数据科学等，超越领域界限的研究，不过，通过很好地组合这些，学习了新的发现和材料的开发。现在我虽然在企业进行关于化学的研究，但今后依然会不惧挑战新的领域，积极地学习，努力活用于材料开发中。

Q5.最后，您有哪些相对读者说的话吗？

高中时的恩师经常说：“不要为了让我开心（而去学习），自己去享受（学习）吧。”虽然我以这句话为宗旨，但我觉得在研究中也不会被动，从自己那里积极地学习，获得见解是很重要的。即使在研究不能随心所欲地进行的时候，也要从失败中学到东西，不气馁地继续前进吧！一定会有新的发现。最后，向在进行本研究时承蒙关照的庆应义塾大学材料化学研究室的绪明佑哉副教授、今井宏明教授、已经从该研究室毕业的佐藤宏亮博士、东京大学的康五十岚特任研究员，表示诚挚的感谢。

本文版权属于 Chem-Station化学空间， 欢迎点击按钮分享，未经许可，谢绝转载！