Imperial College Londonは2026年9月16日、電池の内部を多様な手法で調べた実験データ基盤「Battery Imaging Library（BIL）」の本格公開を発表した。公開規模は4.5TBを超え、13の観測手法にまたがる。Innovation News Networkは、48人の科学者と18機関がデータ作成に参加したと報じている。
数字は大きい。だが、BILの意味を容量だけで測ると見誤る。電池の亀裂を写す画像、元素の分布、結晶相の変化、軽元素の位置は、同じカメラでは捉えられない。BILはそれらを検索できる入口へまとめ、生データ、再構成画像、恒久的な識別子、解析手順をつないだ。希少な実験を眺める場所から、別の研究者が解析をやり直すための共通基盤へ踏み出したのである。
4.5TBより重要な変化は何か
大型放射光施設や中性子施設での実験は、装置を持たない研究室が簡単に再現できるものではない。Imperial College Londonは、実験に費用と時間がかかり、利用枠の競争も激しいため、画像データが公開されにくかったと説明する。BILは、この取得段階の格差を完全に消すわけではないが、取得済みデータを再利用する入口を広げる。
BILの公式サイトは、手法、画素・ボクセルの大きさなどからデータを探せる。Digital Discoveryに2026年9月掲載された査読済み論文の要旨によれば、各データセットはZenodoのDOIとメタデータへ結び付けられた。放射線の投影像、サイノグラム、X線・電子回折パターンといった生データに加え、再構成画像も含む。著者らは、検索しやすく再利用可能なFAIR原則に沿う基盤だと位置付けている。
ここで分けるべきなのは、公開と標準化である。DOIがデータの所在と版を追いやすくし、メタデータが検索を助けることは確かだ。しかし、それだけで全データの測定条件が均一になり、どのAIにも使える正解ラベルが揃うわけではない。BILが開いたのは検証への入口であり、結論そのものではない。
13の手法は何を別々に見るのか
BILの13モダリティは一枚の万能画像ではなく、形状・元素・結晶・軽元素・原子スケール組成を別々のコントラストで補う設計である。
公式サイトが掲載する13の名称と説明を、主な観測対象に沿って並べたのが次の表である。これはBILの公式分類ではなく、各手法が何を増やすかを読むための編集上の分類である。手法の役割は重なり、表の区分は排他的ではない。
| 主な観測対象 | BILにある手法の例 | 読み取れるもの |
|---|---|---|
| 形状・構造 | SEM、実験室／放射光micro-XCT、実験室／放射光nano-XCT、TEM | セル内部、電極の空隙や亀裂、粒子形状、格子・欠陥 |
| 元素・局所化学・組成 | EDS、XANES-CT、APT | 元素分布、局所化学環境、原子に近いスケールの三次元組成 |
| 結晶・相・ひずみ | EBSD、XRD-CT、S3DXRD | 結晶方位、相分布、格子変化、粒ごとの不均一性 |
| 軽元素・電解質 | 中性子CT | X線では見えにくい電解質、ポリマー、セパレーターなど |
同じ「電池を見る」でも、問いが違えば必要な手法が変わる。セル缶の内側で電極がずれたかを知りたい研究と、正極粒子の内部で結晶相が不均一に変わったかを知りたい研究は、同じ分解能でも同じ測定原理でも済まない。13という数は手法の豪華さではなく、電池の故障や劣化を単一の物理量へ押し込めないことを示している。
X線だけでは見えないものがある
X線CTは非破壊で三次元構造を追えるため、セル全体から電極まで広く使える。BILのGitHubによれば、実験室micro-XCTはアルカリ、LiFeS2、NiMH、リチウムイオンを含み、ピン型セルから4680までを扱う。動的なmicro-XCTは、充放電に伴って内部構造が変わる過程も時間軸に載せる。
ただし、X線の吸収コントラストは万能ではない。BILが収録する中性子CTは、低原子番号の材料に対してX線とは異なる見え方を与える。発端記事は、リチウム系電解質やセル内のリチウム種の位置を例に挙げる。これは形状像に軽元素側の情報を重ねるための手段であり、一本の中性子CTからリチウム量や化学状態が自動的に一意決定できる、という意味ではない。
回折と分光も役割が違う。XRD-CTは場所ごとの結晶相やひずみを、XANES-CTは局所的な化学環境を追う。S3DXRDは粒の向きや結晶学的不均一性へ踏み込む。オペランド計測（operando、電池を動作させながらの計測）が加わると、充電状態の前後を比べる静止画ではなく、反応が進む途中の偏りを追える。ただし、13手法の収録は、同じ試料が全手法で測られた完全な対応データを意味しない。
生データは「画像を見る」を「解析を比べる」へ変える
完成した断層像だけを配る場合、利用者は見えている構造を解析できても、その像がどの前処理と再構成法から生まれたかを検証しにくい。BILは投影像やサイノグラム、回折パターンを公開する。研究者は同じ入力へ別の再構成、ノイズ除去、分割法を適用し、結果の差が試料に由来するのか、処理に由来するのかを調べられる。
GitHubには、中性子CT、XRD-CT、放射光の平行ビームX線CT、実験室のコーンビームX線CTを再構成する4種類のノートブックがある。主要な依存関係としてnDTomoとCore Imaging Libraryを示し、環境定義も置く。コードがあるから再現が保証されるわけではないが、少なくとも処理手順を推測だけで復元する必要は減る。
この差は、アルゴリズムの評価で効く。異なる研究室が別々の試料と装置を使い、それぞれの完成画像だけで「精度が高い」と主張しても比較は難しい。同じ生データを起点にすれば、再構成や分割の条件を揃え、どこで改善したかを追跡しやすくなる。BILの価値は、珍しい画像を集めたことより、解析手法が共通の実験証拠に耐えるか試せることにある。
AIの訓練場になるには何が足りないのか
Imperial College Londonは、BILを自己教師あり学習によるノイズ除去、超解像、データ融合に使えると説明する。正解ラベルを大量に人手で付けにくい三次元データでは、入力自体から学習信号を作る自己教師あり手法と相性がよい。生データと再構成画像の組み合わせは、物理過程を踏まえた学習にも利用できる。
しかし、4.5TBはそのまま「良い学習データ」の同義語にはならない。公平な比較には、学習・検証・テストの分割、正解ラベルの作り方、評価指標を固定する必要がある。さらに、特定の装置、試料、電池化学へデータが偏れば、未知の施設や材料へ移したときに性能が落ちる可能性がある。取得できた公開資料からは、BIL全体に共通する公式ベンチマーク分割や正解ラベルは確認できない。
計算資源も残る。4.5TBを転送し、保存し、三次元再構成して学習へ回すには、高速なストレージとCPUまたはGPUが要る。ノートブックと環境定義はソフトウェア面の再現性を助けるが、誰でも全量を処理できることまでは保証しない。大型施設へのアクセス障壁を下げた後には、データを計算できるかという別の格差が現れる。
次に問われるのは量ではなく再利用の質
BILは将来、外部研究者からのデータ寄稿を受け入れる設計だとImperial College Londonは説明する。データが増えれば、扱える電池化学、セル形式、装置条件は広がる可能性がある。一方で、測定条件や命名、メタデータの粒度が揃わなければ、検索結果は増えても横断比較は難しくなる。
成否を測る指標は、次の総容量だけではない。同じ試料を異なる手法で結べるデータがどこまで増えるか、寄稿データの品質と版を追跡できるか、共通の学習分割と評価指標が作られるか、第三者が公開手順で再構成を再現できるか。これらが揃えば、BILは大型施設の成果を保存する倉庫から、異なる研究室が同じ証拠で解析法を競う実験場へ変わる。