【次の電池をつくる前に、実験の「見落とし」を減らす】AIに渡すデータを、ロボットが記録する——産総研の全固体電池、阪大のペロブスカイト

同じ材料を、同じ手順で混ぜたはずなのに、結果が違う。
研究の現場では、そんなことが珍しくない。
原因は、人の手の微妙な違いや、その日の湿度かもしれない。だが、記録に残っていなければ確かめようがない。
AIに次の実験を考えさせる時代になっても、AIが読めるのは記録されたデータだけだ。
次の電池や太陽電池をつくる研究で、ロボットとカメラが「記録する」役割を担い始めている。
研究を速めるための、地味だが欠かせない土台づくりを追う。

AIが学ぶ前に、データの質が問われる

材料の研究にAIを生かす試みが広がっている。過去の実験結果からAIが傾向を学び、次に試すべき条件を提案すれば、実験の回数を減らし、研究を速められると期待されている。
ただし、AIによる提案の信頼性を高めるには、学習に使うデータの質や、記録の一貫性が重要になる。人の手で行う実験では、粉の量り方や混ぜ方、作業にかかった時間が、そのたびに少しずつ変わる。結果に影響する条件が記録されていなければ、AIはその違いを学ぶことができない。
今回取り上げる2つの研究は、別々のチームによるものだが、どちらも「実験をロボットで正確に繰り返し、条件をきちんと記録する」ことに取り組んでいる。ただし、記録の対象と、AIの活用の段階は異なる。産総研は実験の条件を管理しながら合成の工程を自動化し、AIとの連携はこれからだ。大阪大学は膜ができる途中の変化を記録し、機械学習による解析まで進めている。

粉を量り、混ぜ、保管する――全固体電池の材料探索を自動化する産総研のロボット

全固体電池は、電池の中で電気を運ぶ電解質に、液体ではなく固体の材料を使う次世代の蓄電池だ。その材料探索では、材料の組成と合成の条件の両方を変えながら、多くの実験を繰り返す必要がある。
産総研の山口祐貴上級主任研究員らは、デンソーウェーブ、愛知工業大学、あいち産業科学技術総合センターと共同で、全固体電池の材料の合成に使う「メカノケミカル合成」の実験を一貫して自動化するロボット実験システムを開発した。メカノケミカル合成は、粉体をボールミルという装置で細かく砕きながら混ぜ、反応させる方法だ。
これまでは、少量の粉体の秤量、ビーズの投入、容器の開閉や搬送などを人の手で行う必要があった。全固体電池の材料には水分や酸素に弱いものが多く、作業は空気を遮断したグローブボックスの中で行わなければならず、研究者の負担になっていた。
開発したシステムは、人と一緒に作業できる協働ロボットに、愛知工業大学が開発した補助モジュールを組み合わせたもので、狭いグローブボックスの中にも設置できる。試薬やビーズの容器の搬送、蓋の開閉、粉体の秤量、遊星ボールミルへの取り付けと処理、試料の保管までを順番に自動で行う。ボールミル1回の処理で2試料を扱い、これを5回連続で行うため、一度の指令で最大10試料を処理できる。
試薬の量、ビーズの種類や量、ボールミルの回転数、処理時間、処理の段階数といった実験の条件は、デジタルデータとして一元的に管理できる。材料の特性と作り方の条件の関係を解析する際に、そのまま使えるデータになる。
今後は、合成した試料の導電率や構造を評価し、AIによる解析と連携させて、次の実験条件を提案する仕組みへの発展を目指す。愛知県の発表によると、将来的には、実験者1人による材料探索の実験を、従来の手作業と比べて100倍程度効率化することを目指す。あくまで目標で、達成された数字ではない。2029年以降には、地域の企業も利用できる共同利用の設備として導入することも検討している。
今回の成果は、実験の自動化そのものだ。AIが新しい材料を見つけたわけではない。だが、AIが学べる質のそろったデータを生み出す仕組みができたことに意味がある。

膜ができる途中を記録する――阪大のペロブスカイト自動作製と機械学習

ペロブスカイト太陽電池は、薄く軽く、曲げられる次世代の太陽電池だ。材料を溶かした液を基板に塗って膜をつくるが、その膜の質は温度や湿度など周りの条件で変わりやすい。人の手による作業は、膜の出来のばらつきの大きな原因にもなっていた。
大阪大学大学院工学研究科の佐伯昭紀教授らのグループは、協働ロボットを使い、液を回転させて薄く広げる工程（スピンコート）から、膜の結晶化を促す液の滴下、加熱までを自動で行う装置を開発した。
特徴は、膜ができる途中の変化を記録したことだ。作業中の温度、湿度、酸素濃度、溶媒の蒸気の濃度をリアルタイムで計測し、カメラで膜の色の変化を、高速カメラで1秒程度で終わる液の滴下の様子を記録した。これまで数値にされず見過ごされてきた条件を、データとして残した。
こうして集めたデータを機械学習で解析すると、ペロブスカイトの組成によって温度の影響の大きさが異なることや、液を滴下する高さと速さが膜の性質に大きく影響することが分かった。この結果を生かして研究用の太陽電池素子をつくり、変換効率24.4％を得た。
研究成果は、米国化学会の学術誌「ACS Nano」に2026年10月27日（現地時間）付で掲載された。研究グループは、この手法がペロブスカイト以外の材料や、溶液を使うほかの分野にも応用できるとしている。
24.4％は研究用の小さな素子での値で、量産品の性能や世界記録ではない。成果の核心は、変換効率の数字そのものより、何が膜の出来を左右するのかを、記録したデータから見つけ出せるようになった点にある。

「記録の質」が研究の速さを決める

全固体電池の材料と、ペロブスカイトの膜。対象は違うが、2つの研究には共通する方向性がある。
1つは、人の手による作業をロボットで自動化し、実験の再現性を高めることだ。同じ条件で何度でも実験できれば、結果の違いが条件の違いによるものか、作業のばらつきによるものかを見分けやすくなる。
もう1つは、実験の条件や作業中の変化をデータとして記録し、材料探索や作り方の改善につなげることだ。
産総研は、実験の条件をデジタルで管理しながら材料の合成を自動化する基盤をつくった。大阪大学は、膜ができる途中の変化を記録・解析し、その結果を太陽電池の作製に生かした。AIが次の実験を提案するには、何をしたら何が起きたかという記録がそろっていなければならない。
次の電池や太陽電池の性能を決めるのは、材料そのものだけではない。その材料を見つけるための研究の土台、つまり実験の手順と記録の質を整えることが、技術が社会に届くまでの時間を左右する。AIの性能を競う前に、AIが学ぶデータを丁寧につくる。研究の現場でも、見えにくい土台の手入れが進んでいる。

【参考】

国立研究開発法人産業技術総合研究所ほか：プレスリリース「全固体電池材料の探索を支えるロボット実験システムを開発」（2026年11月5日発表）
https://www.aist.go.jp/aist_j/press_release/pr2026/pr20261105/pr20261105.html
（共同通信PRワイヤー掲載）
https://kyodonewsprwire.jp/release/202611029149

愛知県：「全固体電池材料の開発を加速する 人協働型メカノケミカル自動実験システムを開発 ～粉体秤量から遊星ボールミル処理、試料保管までを一貫自動化～」（2026年11月5日）
https://www.pref.aichi.jp/press-release/261105-8c1.html

大阪大学・科学技術振興機構（JST）：プレスリリース「化学×ロボット×AI 太陽電池作製の溶液プロセスを自動化し、多様なパラメーターを取得解析する手法を開発」（2026年10月30日発表）
https://www.jst.go.jp/pr/announce/20261030/index.html

あわせて読みたい記事