ナトリウムイオン電池の化成プロセスは、その寿命と性能を決定づける重要な工程ですが、従来の方法では長時間を要し、研究開発の効率を著しく低下させていました。カールスルーエ工科大学（KIT）、ウルム・ヘルムホルツ研究所（HIU）、ミュンヘン工科大学（TUM）の研究チームは、FINALESとKadi4Matの2つの研究データ管理（RDM）エコシステムを統合する革新的なAI駆動フレームワークを開発し、ナトリウムイオンコインセルの化成プロセスの迅速な最適化を実現しました。
研究チームは、化成時間の最小化と電池寿命末期（EOL）性能の最大化という、互いに競合する2つの目標に焦点を当てました。従来の手法では、最適なパラメータ組み合わせを見つけるために多数の実験を必要とし、コストと時間が大きな障壁となっていました。そこで著者らは、FINALESとKadi4Mat間の相互運用インターフェースを構築しました。FINALESフレームワークは、POLiS MAPプラットフォーム上で実験計画と実行を自動的に調整し、一方Kadi4Mat内の能動学習エージェントが多目的バッチベイズ最適化を活用して実験選択を効率的にガイドし、パラメータ空間の探索を加速します。
この協調ワークフローを通じて、研究チームは化成時間とEOL性能のトレードオフを反復的に調査し、パレートフロンティアに近い候補解を特定することに成功しました。この結果は、相互運用可能なインフラが電池研究におけるデータ駆動型最適化を促進する能力を示すとともに、より広範な材料科学・工学の最適化タスクに適用可能な汎用的フレームワークを提供します。本論文は本文21ページ、補足資料3ページからなり、図9枚、図5枚を含み、2026年4月29日にarXiv（ID: 2605.00909）に投稿され、現在『Batteries & Supercaps』誌で査読中です。この研究は、AIと自動実験プラットフォームの統合が次世代エネルギー貯蔵技術の開発を加速する可能性を示しています。