High-Throughput Bayesian Optimization of Cement-Salt Hydrates Composites for Seasonal Thermochemical Energy Storage

本論文は、高スループットベイズ最適化フレームワークが季節性熱化学エネルギー貯蔵のための費用対効果の高いセメント・塩水和物複合材料の発見を効果的に加速し、従来のセメント系材料と比較して比エネルギーと費用対性能のバランスを著しく改善するパレート最適な配合を特定することを示している。

要約

完璧なケーキを焼こうとしていると想像してください。しかし、小麦粉や砂糖の代わりに、セメントと特殊な塩を混ぜて、夏には熱を「吸収」し、冬にはそれを「吐き出す」ことができる材料を作ろうとしているのです。これは「季節性熱化学エネルギー貯蔵」と呼ばれます。これは、7 月の晴れた日に集めた熱を使って、家全体を冬の間暖かく保つことができる「熱バッテリー」のようなものです。

問題は、これらの材料を混ぜる方法が数千通りもあるということです。塩の種類も、水の量も、セメントの量も、添加剤もさまざまです。推測と検証（従来の「試行錯誤」法）によって完璧なレシピを見つけるのは、何年もかかり、莫大な費用がかかるでしょう。

本論文では、「デジタルシェフ」と呼ばれる「ベイズ最適化（BO）」を用いて、より賢明な方法で最良のレシピを見つける手法について説明します。

デジタルシェフ（ベイズ最適化）

BO システムを、学ぶことを愛する超知的で疲れを知らないアシスタントだと考えてください。

1. 推測ゲーム: すべての可能な組み合わせをテストする（これは世界中のすべてのケーキを味見するようなもの）のではなく、アシスタントはまずいくつか有望なレシピを選んでテストします。
2. 味見テスト: チームは実際にこれらの少量のセメントと塩のペーストを混ぜ、焼成し、どれだけの熱を蓄えられるかをテストします。
3. 学習ループ: アシスタントは結果を分析します。「ああ、塩が多すぎるとケーキがドロドロになる（溶けてしまう）。水が少なすぎるとボロボロになる。でも、この特定の塩化カルシウムとセメントの配合は非常にうまくいった！」
4. 次の一手: 学んだことに基づいて、アシスタントはすぐにテストする「次」に最適な材料のセットを提案します。勝者を見極める推測能力が向上し、不良レシピを完全にスキップするようになります。

二つの目標：性能対価格

チームには、最も速くて最も安い車を買うような、二つの競合する目標がありました。

• 目標 1：最大エネルギー（最速の車）: 材料は 1 キログラムあたりどれだけの熱を蓄えられるか？
• 目標 2：最小コスト（安価な車）: 蓄えられる単位エネルギーあたりの材料製造コストはどれくらいか？

通常、最高のエネルギー貯蔵材料は非常に高価で、安価なものはあまり熱を蓄えられません。チームは、両者のバランスが取れた「ジャストサイズ」の領域を見つけたいと考えていました。

発見：新しい材料

研究者たちは多種多様な塩をテストしました。すでに一部（硫酸マグネシウムなど）については知られていましたが、デジタルシェフを用いて、これまでセメントで試されたことのない材料を探求しました。それは塩化リチウム（LiCl）、塩化カルシウム（CaCl2）、および**硝酸亜鉛（Zn(NO3)2）**です。

彼らが発見したことは以下の通りです。

• パワフルな存在（LiCl）: 塩化リチウムの配合は、グループ内の「フェラーリ」でした。莫大な量の熱（約 458 kJ/kg）を蓄え、従来のセメントベースの記録を 5 倍も上回りました。しかし、フェラーリのように、製造コストは高かったです。
• コストパフォーマンスの優れた選択（CaCl2 と Zn(NO3)2）: これらの配合は「信頼できるセダン」でした。リチウムの配合ほど多くの熱を蓄えるわけではありませんが、製造コストははるかに安価でした。これらは素晴らしいバランスを提供しました。非常に低価格で高い性能を発揮するのです。

結果

このスマートでデータ駆動型のアプローチを使用することで、チームは単に一つの良いレシピを見つけるだけでなく、材料の新しいファミリー全体を発見しました。

• 彼らは、セメント（あなたの車道に使われているもの）が、レシピさえ間違えなければ、これらの熱蓄積塩を保持する優れた「スポンジ」であることを発見しました。
• 彼らは「パレートフロンティア」を特定しました。これは、最も良いトレードオフを見つけたという、少し仰々しい表現です。より多くの熱を得るにはより多くの費用がかかり、より安価な材料を得るにはより少ない熱を蓄える必要があります。彼らはその線上の完璧な地点を見つけました。
• これらの新しいセメント塩材料は、シリカゲルや発泡バーミキュライトで作られた最も高価でハイテクな材料ほど強力ではありませんが、はるかに安価です。

結論

この論文は、エネルギー貯蔵を改善するために推測を繰り返す必要がないことを証明しています。実験を導くためにスマートなコンピュータアルゴリズムを使用することで、チームは効率的に熱を蓄える新しい低コスト材料を迅速に見つけ出しました。これは、迷路の行き止まりに次々と突っ込むのではなく、GPS を使って最速のルートを見つけるようなものです。これらの新しいセメント塩複合材料は、夏の熱を冬に利用するために貯蔵する実用的で手頃な方法となり、再生可能エネルギーをより効果的に利用する助けとなるでしょう。

技術概要

技術概要：季節性熱化学エネルギー貯蔵向けセメント・塩水和物複合材料の高速ベイズ最適化

問題定義
塩水和物に基づく熱化学エネルギー貯蔵（TCES）は、高い体積エネルギー密度と熱損失なしに無限にエネルギーを貯蔵できる能力により、季節性熱貯蔵のための有望な解決策を提供する。しかし、これらのシステムの実際の展開は、吸着材の複雑な設計によって妨げられている。セメント・塩複合材料の調製には、塩の化学、塩の負荷量、バインダー組成、添加物含有量という結合変数に依存する、高度に非線形かつ組み合わせ的な設計空間が関与する。従来の試行錯誤法や一変量法実験戦略は、この空間を効率的に探索するには非現実的である。なぜなら、完全な探索には長期にわたる数千回の合成および特性評価サイクルが必要となるからである。さらに、既存のセメント系 TCES 材料はしばしば低い比エネルギーに悩まされており、高性能な代替手段（例えば、シリカゲルや膨張バーミキュライトマトリックス）は往々にしてコストが高すぎる。したがって、費用対効果が高く高性能なセメント・塩複合材料の発見を加速するためのデータ駆動型戦略が緊急に必要とされている。

手法
著者らは、セメント・塩水和物複合材料の調製を導くために、ベイズ最適化（BO）に基づく高速かつデータ駆動型の実験フレームワークを開発した。この手法は、適応的実験設計と熱力学モデルを統合している。

• 設計空間: 最適化は、以下の 4 つのパラメータで定義される 4 次元パラメータ空間を探索した。
  1. 塩の種類: 一般的な候補（例：MgSO₄）および未調査の塩（LiCl、CaCl₂、Zn(NO₃)₂）を含む 11 種の水和塩を網羅するカテゴリ変数。
  2. 塩濃度: 20°C における最大溶解度に対する溶解塩の比率（$s/s_{max}$）として定義。
  3. 水セメント比（$w/c$）: 0.70 から 1.50 の範囲。
  4. 添加物セメント比（$a/c$）: 0.0 から 30.0 g/kg の範囲。沈降を抑制する添加物を用いて出血（bleeding）を軽減。
• 最適化戦略: 本キャンペーンは、競合する目的（最大比エネルギー（$E_d$）の最大化と、最小化比エネルギーコスト（経済的重要業績評価指標、KPI）の最小化）を標的とした 2 つの並列 BO パイプラインを利用した。ワークフローでは、ラジアル基底関数（RBF）カーネルおよびマテールンカーネルを用いたガウス過程（GP）代理モデルを採用した。獲得関数（改善確率、期待改善、および下限信頼区間）は、探索と利用のバランスを取った。
• 実験プロトコル: 複合材料は、塩を水に溶解し、セメントおよび添加物と混合する場内合成法により合成された。試料は養生、乾燥、および顆粒化された。高速水吸着等温線は、20 個の試料を同時に処理可能な動的蒸気吸着（DVS）アナライザーを用いて 20°C で測定された。
• 熱力学モデル: 実験的等温線は、ドゥビニン・アスタホフ（DA）式を用いてフィットされた。ポロヤニのポテンシャル理論を用いて、等温線は作動温度（40°C 吸着、90°C 脱着）まで外挿された。比エネルギー（$E_d$）は、サイクル吸着量変化（$\Delta x_{cycle}$）およびクラウジウス・クラペイロン式から導出された等容吸着熱（$q_{st}$）に基づいて計算された。

主な貢献

• セメント・塩 TCES への BO の初適用: 本研究は、TCES 向けセメント・塩複合材料の多目的設計へのベイズ最適化の初適用であり、制約のある多変量材料発見問題における逐次学習の有効性を示している。
• 化学設計空間の拡大: 本研究は、セメント系 TCES システムにおいてこれまで軽視されていた、あるいは未報告であった塩（LiCl、CaCl₂、Zn(NO₃)₂）を体系的に調査し、従来の MgSO₄ への焦点から脱却した。
• 失敗モードの処理: このフレームワークは、合成失敗（例：潮解、硬化不能）をペナルティ戦略を通じて最適化ループに成功裡に組み込み、代理モデルに実現可能な調製の境界を学習させた。
• パレート最適解の発見: このアプローチは、高エネルギー密度と低材料コストの間の最適なトレードオフを提供する非支配解のセットを特定し、組み合わせ空間内に明確に高性能な領域を明らかにした。

結果
BO によって導かれたキャンペーンは、LiCl、CaCl₂、および Zn(NO₃)₂ に基づくパレート最適調製を成功裡に特定した。

• 性能: 最も高性能な調製（LiCl に基づく LiCl-S1）は、反復測定に基づき、約458 kJ kg⁻¹の比エネルギーを達成した。これは、以前に開発されたセメント系材料と比較して最大 5 倍の改善を表す。
• コスト・性能トレードオフ: LiCl-S1 は最高のエネルギー密度を提供したが、材料コストは高かった。一方、CaCl₂ および Zn(NO₃)₂ に基づく複合材料（例：CaCl₂-S2、Zn(NO₃)₂-S1）は、低い比エネルギー（150–161 kJ kg⁻¹）を示したが、著しく有利な経済的 KPI（3.2–7.6 USD kWh⁻¹）を有し、バランスの取れたコスト対性能比を提供した。
• 文献との比較: 最適化されたセメント系複合材料は、最先端のシリカゲルや膨張バーミキュライトシステム（1000–2000 kJ kg⁻¹ を超える場合がある）よりも低い比エネルギーを示したが、セメントマトリックスの低コストにより、優れた経済的実現可能性を示した。
• 再現性: パレート最適サンプルの再テスト分析は、スクリーニングワークフローの堅牢性を確認し、比エネルギーの相対標準偏差（RSD）は一般的に 5% 未満であった。

意義と主張
本論文は、合成制約と多目的トレードオフが中心となる複雑な調製空間において、ベイズ最適化が TCES 材料の発見を加速するための効果的な戦略であると主張している。本研究は、BO によって最適化されたセメント・塩複合材料は、以前のセメント系イテレーションよりも著しく高い比エネルギーを達成でき、コストが主要な制約となる季節性貯蔵アプリケーションにとって魅力的な候補であることを示している。

著者らは謙虚に、彼らの材料の比エネルギーはシリカゲルのような高性能多孔質マトリックスのそれよりも低いままであるが、最適化されたセメント系複合材料（特に CaCl₂ および Zn(NO₃)₂ に基づくもの）のコスト対性能のバランスが明確な利点であると指摘している。この研究は、データ駆動型最適化が、従来の実験設計では見逃されがちな有望な化学種や調製境界を明らかにし、低コストの季節性熱貯蔵ソリューションのより効率的な開発への道を開くことを強調している。今後の研究は、サイクル安定性、吸着速度論、および添加物とマトリックス改質のさらなる精緻化に焦点を当てるべきである。