Problem
Battery material screening is expensive when candidates are evaluated manually or without uncertainty-aware ranking.
一覧に戻る
GitHub
CathodeX
グラフニューラルネットワークを用いて電池材料の特性を予測する、AI搭載のカソード材料スクリーニングプラットフォームです。
PythonAIGraph Neural Networks
システム構成
リポジトリ情報
2026年5月31日に公開 GitHub リポジトリデータから測定。
主要言語
Python
最終公開更新
2026-04-13
追跡中の issue
1
リポジトリサイズ
24.3 MB
言語構成
PythonTypeScriptHTMLPowerShellShell
Case Study
Architecture
A web UI submits material structures to a FastAPI inference layer backed by PyTorch graph models and ensemble-style scoring.
Security Approach
Parsing, inference, and presentation are separated so untrusted input can be validated before reaching model execution and user-facing results.
Outcome
Researchers get a faster candidate-screening workflow with ranked outputs and clearer confidence signals.
Evidence
GNN-based rankingq10/q50/q90 output bandsSeparate API inference layer
Lessons Learned
- Scientific AI tools need uncertainty presentation as much as prediction.
- Keeping model execution behind an API boundary simplifies future hardening.
技術概要
PyTorch とグラフニューラルネットワーク（GNN）を用いて、カソード材料の原子構造をモデル化しています。高スループットスクリーニングにより、エネルギー密度や安定性などの主要な電池特性を予測します。
価値提案
エネルギー貯蔵の未来を加速します。CathodeX は電池材料探索にかかる時間とコストを大幅に削減し、研究者が次世代の持続可能なエネルギーソリューションを発見できるよう支援します。