AutoREC：電気化学インピーダンス分光データから等価回路モデル生成用の強化学習エージェントを開発するソフトウェアプラットフォーム

概要: 本論文は、電気化学インピーダンス分光法（EIS）データから等価回路モデル（ECM）を自動生成する強化学習（RL）エージェントを開発するための、オープンソースのPythonパッケージであるAutoRECを紹介する。ECMはEISデータを解釈するための標準的な枠組みである一方、従来の識別は通常、専門家が必要となる手作業による試行錯誤に基づいており、特に自動運転ラボのような自律的な実験パイプラインにおいてスケーラビリティを制限している。AutoRECは、この課題に対して、ECM構築をマルコフ決定過程の枠組みにおける逐次的な意思決定問題として定式化することで対応する。回路生成のための複雑な行動空間を効率的に探索するために、優先度付き経験再生を伴うDouble Deep Q-Networkに加え、専用のデッドループ抑制戦略を実装する。プラットフォームの能力を示すために、AutoRECを用いてRLエージェントを訓練し、多様なデータセットにわたってその強みと限界を評価した。さらに、将来のエージェント設計においてこれらの限界を緩和しうる可能性のある戦略についても議論する。訓練済みエージェントは、合成データセットにおいて99.6
%を超える成功率を達成し、バッテリー、腐食、酸素発生反応、CO_2還元システムから得られた未見の実験EISデータに対して強い汎化性能を示した。これらの結果は、AutoRECを適応的かつデータ駆動型のECM生成の有望なプラットフォームとして位置づけるものであり、自動化された電気化学プロセスへの統合が期待される。