Aidea Materials — AI-Powered Battery Material Innovation

Our AI Approach

AIアプローチ

Quantum accuracy.
Industrial speed.

量子精度で、産業スピードを。

Our Deep Learning Molecular Dynamics (DLMD) pipeline bridges the gap between first-principles science and the throughput your production roadmap demands — validated by peer-reviewed research at national laboratories.

深層学習分子動力学（DLMD）パイプラインが、第一原理計算の精度と産業が求めるスループットを橋渡しします。国立研究所の査読論文で実証済みです。

STEP 01

⚛

Ab-Initio MD

第一原理MD

DFT-based simulation generates gold-standard atomic trajectory data at multiple temperatures — the foundation for all downstream AI learning.

DFTベースのシミュレーションが複数温度で原子軌跡データを生成。すべてのAI学習の基盤となります。

›

STEP 02

🧠

Deep Learning Potential

深層学習ポテンシャル

A deep neural network trained on simulation data learns the potential energy surface with greater than 99% force and energy accuracy.

シミュレーションデータで学習したニューラルネットが、99%超の精度でポテンシャルエネルギー面を習得します。

›

STEP 03

⚡

Large-Scale DLMD

大規模DLMD

AI-powered molecular dynamics runs large atomic systems at speeds impossible with conventional methods — enabling rapid composition screening.

AI駆動の分子動力学が大規模原子系を従来法では不可能なスピードで実行。迅速な組成スクリーニングを可能にします。

›

STEP 04

🔬

Lab Validation

実験室検証

Top computational candidates proceed to physical validation at Battery Lab — confirming AI predictions against real experimental data.

上位候補をBattery Labで実験検証。AI予測を実際の実験データで確認し、次の最適化に反映します。

Services

サービス

Two material challenges.
One AI platform.

二つの材料課題を、
一つのAIプラットフォームで。

We focus where the industry bottleneck is tightest — silicon anodes now entering mass production, and solid-state electrolytes racing toward the 2027–2028 production window.

業界のボトルネックが最も厳しい領域に特化。シリコン負極（量産化進行中）と全固体電解質（2027〜28年量産ターゲット）です。

SERVICE LINE 01 · Silicon Anode

サービス01 · シリコン負極

Silicon Anode Materials & AI Binder Design

シリコン負極材料 & AIバインダー設計

Silicon anodes offer 10× the theoretical capacity of graphite — but volume expansion up to 400% during cycling destroys conventional binders. We use AI to design solutions that production lines can actually deploy.

シリコン負極はグラファイトの10倍の理論容量を持ちますが、サイクル中の最大400%体積膨張が従来バインダーを破壊します。量産ラインで実際に使える解決策をAIで設計します。

Dual conductive polymer binder.デュアル導電性ポリマーバインダー。 Invented at Lawrence Berkeley National Laboratory — simultaneously conducts both electrons and Li⁺ ions, eliminating carbon-black additives and delivering significant capacity gains. R&D 100 Award 2015.Lawrence Berkeley National Laboratory発明。電子とLi⁺イオンを同時伝導し、カーボンブラック添加剤を不要にすることで大幅な容量向上を実現。R&D 100賞2015年受賞。
Volume expansion modeling.体積膨張モデリング。 DLMD predicts mechanical failure modes before a single physical test is run, saving months of experimental iteration.DLMDが物理試験前に機械的破壊モードを予測し、何ヶ月もの実験反復を削減します。
Cycle life prediction.サイクル寿命予測。 AI-based capacity retention forecasting validated against national laboratory experimental data.国立研究所の実験データで検証済みのAI容量維持率予測。
Solid-state compatible formulation.全固体対応処方。 Our dual conductive polymer also functions as a solid-state electrolyte interface material — confirmed by two existing customers as a breakthrough for their SSB programs.デュアル導電性ポリマーは固体電解質界面材料としても機能。2社の既存顧客がSSBプログラムのブレークスルーとして確認。

Dual Conductive Polymer デュアル導電性ポリマー PVDF Alternative Solid-State Compatible 全固体対応

SERVICE LINE 02 · Solid-State

サービス02 · 全固体電池

Solid-State Electrolyte AI Optimization

全固体電解質 AI最適化

Solid-state batteries require electrolytes that are chemically stable, mechanically compatible, and ionically fast. The composition space is vast. DLMD screens it at a speed physical experiments never could.

全固体電池の電解質には化学安定性・機械適合性・高イオン伝導度が求められます。組成空間は膨大。DLMDが物理実験では不可能なスピードでスクリーニングします。

Halide & sulfide electrolyte screening.ハロゲン化物・硫化物電解質スクリーニング。 AI predicts ionic conductivity, activation energy, and transport mechanism across candidate compositions — without exhaustive synthesis runs.網羅的合成なしに候補組成全体のイオン伝導度・活性化エネルギー・輸送機構をAIが予測。
Phase & disorder optimization.結晶相・無秩序度最適化。 Identify which crystal phase and structural disorder level maximizes ionic conductivity — directly guiding synthesis conditions.最大伝導率をもたらす結晶相と構造的無秩序度を特定し、合成条件を直接指導。
Doping concentration mapping.ドーピング濃度マッピング。 Screen dopant species and concentrations to minimize activation energy barriers and maximize room-temperature conductivity.活性化エネルギー障壁を最小化し、室温伝導率を最大化するドーパント種と濃度を探索。
Transport mechanism analysis.輸送機構解析。 Reveal whether your material conducts via interstitial hopping, free-volume, or interlayer diffusion — guiding the next synthesis iteration intelligently.格子間ホッピング・自由体積・層間拡散のどの機構で伝導するかを解明し、次の合成を的確に指導。

Halide SSE ハロゲン化物SSE Sulfide SSE 硫化物SSE MIEC Li-S Battery

AI molecular dynamics simulation AI分子動力学シミュレーション

Deep learning molecular dynamics 深層学習分子動力学（DLMD）

Nonflammable safe battery 不燃性・安全電池

AI Capabilities

AI技術能力

What our AI delivers
that nothing else can.

AIが実現する、他にない能力。

Our DLMD platform is a battery-materials-specific framework, trained, validated, and refined over years of national laboratory research. Published results confirm accuracy levels that enable confident material design decisions.

DLMDプラットフォームは電池材料に特化したフレームワーク。国立研究所での長年の研究で訓練・検証・改良されています。査読論文が確認する精度は、確信を持った材料設計を可能にします。

Simulation Speed

シミュレーション速度

Faster than conventional methods

従来法より圧倒的に高速

3,730×

speed advantage over ab-initio MD

第一原理MDに対する速度優位

Enables screening of dozens of material compositions that would be impossible with conventional simulation within a project timeline.

プロジェクト期間内に従来法では不可能な数十の組成スクリーニングを実現します。

Prediction Accuracy

予測精度

Validated against experiments

実験で検証済みの精度

>99%

force and energy accuracy vs. DFT

DFT比の力場・エネルギー精度

Published in ACS Applied Energy Materials and Journal of the Electrochemical Society. Ionic conductivity predictions confirmed within 10–22% of experimental values.

ACS Applied Energy Materials・J. Electrochem. Soc.に掲載。イオン伝導度予測が実験値との誤差10〜22%以内で確認済み。

System Scale

シミュレーション規模

Capturing real material complexity

実材料の複雑さを捉える

20,000+

atoms per simulation

1シミュレーションあたりの原子数

Large supercells capture amorphous structures, disorder, and defects that small-scale DFT misses entirely — essential for realistic solid-state electrolyte modeling.

大型スーパーセルが小規模DFTでは捉えられないアモルファス構造・無秩序・欠陥を再現。現実的な固体電解質モデリングに不可欠です。

The Team

チーム

Science and industry,
in one founding team.

科学と産業を、一つのチームに。

Three co-founders covering every dimension of battery material R&D: world-class computational science, Berkeley Lab materials invention, and commercial scale-up experience across the US and Japan.

計算科学・材料発明・日米事業化という電池材料R&Dの全次元を一つのチームで網羅しています。

Tatsu Suzuki

CEO · Co-Founder

CEO · 共同創業者

Former CEO of Zeptor Corporation — an Intel spinout developing silicon-anode Li-ion batteries ($20M+ raised, full IP exit). Brings the industry network and commercial relationships that turn research into paying contracts across the US and Japan.

IntelスピンオフでSiアノードLiB開発のZeptor Corporation 元CEO（$20M+調達、IP完全売却エグジット）。研究を商業契約に変える日米の業界ネットワークと顧客関係を提供。

Dr. Gao Liu

CTO · Co-Founder

CTO · 共同創業者

Senior Scientist at Lawrence Berkeley National Laboratory. Inventor of the dual conductive polymer binder technology for silicon anodes — enabling simultaneous electron and Li⁺ ion transport. Published in Nature Energy and Energy & Environmental Science.

Lawrence Berkeley National Laboratory上席研究員。シリコン負極向けデュアル導電性ポリマーバインダー技術の発明者。電子とLi⁺の同時伝導を実現。Nature Energy・Energy & Environmental Science掲載。

Dr. Anh T. Ngo

CSO · Co-Founder

CSO · 共同創業者

Professor at University of Illinois Chicago and Physicist at Argonne National Laboratory. Developer of the DLMD simulation platform. Published three peer-reviewed papers validating DLMD for halide and sulfide solid electrolytes.

University of Illinois Chicago教授、Argonne National Laboratory物理学者。DLMDシミュレーションプラットフォームの開発者。ハロゲン化物・硫化物固体電解質でのDLMD検証論文3本を発表。

Quantum accuracy.
Industrial speed.