Electrochemical Impedance Spectroscopy (EIS) is one of the most widely used non-destructive diagnostic techniques for electrochemical devices. However, analyzing raw EIS data (typically presented as Nyquist plots) remains a significant challenge. Different battery phenomena, such as solid-state diffusion, charge transfer kinetics, and film transport, often occur at similar timescales. This creates overlapping, compressed semi-circles on a Nyquist plot, obscuring individual electrochemical mechanisms.

To overcome this bottleneck, the Distribution of Relaxation Times (DRT) method has emerged as a powerful model-free deconvolution technique. Instead of fitting arbitrary equivalent circuit models (ECMs) with highly correlated parameters, DRT mathematically transforms frequency-domain impedance spectra into a continuous time-constant ($\tau$) domain, resolving overlapping processes into distinct, well-defined peaks.

1. The Puzzle of Battery EIS: Calibration Discrepancies and Geometrical Inductance

For engineers coming from the field of standard electronic devices or high-frequency circuits, battery electrochemical impedance spectroscopy (EIS) often presents several puzzling discrepancies. Understanding these differences is crucial for correctly interpreting the high-frequency limits of battery impedance.

Why is there no "Open Calibration" in Battery EIS?

In electronic testing using LCR meters or Vector Network Analyzers (VNAs), performing an Open/Short/Load (OSL) calibration (or at least an Open calibration) is a mandatory first step. Open calibration measures and cancels out the stray parallel capacitance ($C_{stray}$) and leakage conductance of the test fixture/leads. Without it, high-impedance measurements are heavily distorted by these parallel parasitics.

However, battery EIS systems (potentiostats/galvanostats) rarely present an "Open Calibration" option in their standard workflows. This is due to two main reasons:

1. Low-Impedance Dominance: Lithium-ion batteries are extremely low-impedance devices, typically ranging from $0.1 \text{ m}\Omega$ to $10 \text{ m}\Omega$ (and up to a few ohms for tiny cells). The stray parallel capacitance of typical cables and fixtures is tiny, on the order of picofarads ($C_{stray} \approx 10\text{ pF}$). At $100\text{ kHz}$, this corresponds to an impedance of $Z_{stray} \approx 160\text{ k}\Omega$. Since $Z_{stray}$ is in parallel with the battery, its contribution is mathematically negligible: $$\frac{Z_{cell} \cdot Z_{stray}}{Z_{cell} + Z_{stray}} \approx Z_{cell}$$ Thus, correcting for parallel stray capacitance yields virtually zero change in the measured battery impedance. Instead, the real bottleneck is series lead inductance ($1\text{ }\mu\text{H}$ at $100\text{ kHz}$ equals $0.628\text{ }\Omega$) and contact resistance, making Short calibration and four-terminal Kelvin sensing the only critical compensation steps.
2. Active Cell vs. Passive Component Calibration: Standard LCR meter calibration assumes passive, unpowered devices under test. A lithium-ion battery, however, is an active electrochemical energy source with a continuous cell voltage. Short-circuiting the terminals with a live battery in place is extremely dangerous and would draw massive short-circuit currents. Therefore, calibrating the measurement path with the cell connected is not possible. Calibration in electrochemical systems is therefore performed on the test leads and fixtures themselves *before* connecting the cell (i.e., with terminals open or shorted to cancel cable parasitics).

Cell Geometry and the High-Frequency X-Intercept ($R_{ohmic}$) Illusion

In typical equivalent circuit model (ECM) fitting, the intercept where the Nyquist plot crosses the real axis ($Z'' = 0$) at high frequencies is taken as the pure bulk ohmic resistance ($R_{ohmic}$ or $R_{\infty}$), representing the electrolyte and current collector resistances. However, cell geometry can make this X-intercept a deceptive simplification:

• Cylindrical and Wound Cells: In spirally wound cells (e.g., 18650, 4680, or wound prismatic cells), the long metallic current collector foils rolled together act internally like a coil, introducing significant internal geometric inductance ($L_{int}$) and inducing eddy currents.
• Tab Layout and Skin Effect: Studies (such as those by the Technical University of Munich and other research groups) have shown that at high frequencies ($>100\text{ Hz}$ to $10\text{ kHz}$), the current distribution along the jellyroll becomes highly non-uniform due to electromagnetic induction and skin effects. The AC current decays rapidly as it travels along the collector foil away from the tab. Because of this frequency-dependent current distribution, the high-frequency real part of the impedance is distorted and deviates from the true DC bulk ohmic resistance.

Consequently, simply reading the X-intercept as the pure electrolyte resistance, or fitting the high-frequency "inductive hook" with a constant series inductor $L$, introduces errors. When analyzing wound cells, researchers must account for the cell's physical geometry and tab design—such as single-tab vs. multi-tab vs. tabless configurations—to avoid misinterpreting inductive artifacts as bulk electrolyte properties.

2. Principles and Mathematical Formulation of DRT

At the heart of the DRT method lies the assumption that the battery impedance $Z(\omega)$ (excluding inductance and bulk ohmic resistance $R_{\infty}$) can be represented by an infinite series of infinitesimal parallel $RC$ elements connected in series. The overall complex impedance is expressed via the Fredholm integral equation of the first kind:

$$Z(\omega) = R_{\infty} + \int_{0}^{\infty} \frac{g(\tau)}{1 + j\omega\tau} d\tau$$

Where $g(\tau)$ represents the distribution function of relaxation times. In practice, because relaxation times typically span multiple orders of magnitude, we formulate the integral on a logarithmic scale ($\ln\tau$):

$$Z(\omega) = R_{\infty} + \int_{-\infty}^{\infty} \frac{\gamma(\ln\tau)}{1 + j\omega\tau} d(\ln\tau)$$

Calculating the distribution $\gamma(\ln\tau)$ from measured impedance $Z(\omega)$ is an inverse problem. Because numerical inversion is mathematically "ill-posed" (extremely sensitive to measurement noise), standard inversion algorithms easily produce highly oscillatory, non-physical results. To obtain a stable solution, Tikhonov Regularization is applied:

$$\min_{\mathbf{g}} \left\{ \|\mathbf{A}\mathbf{g} - \mathbf{Z}_{meas}\|^2 + \lambda \|\mathbf{L}\mathbf{g}\|^2 \right\}$$

Here, $\mathbf{A}$ is the discretization matrix of the integral kernel, $\mathbf{g}$ is the vector representing the distribution function, $\mathbf{Z}_{meas}$ represents experimental data, $\mathbf{L}$ is a regularization operator (often the identity matrix or a second-order derivative matrix for smoothing), and $\lambda$ is the regularization parameter.

3. EIS Measurement Method and Environment

A high-quality, artifact-free DRT analysis starts with meticulous EIS measurements. Because DRT is highly sensitive to noise and systematic drift, the following measurement protocols must be strictly followed:

• AC Excitation Amplitude: To guarantee that the electrochemical system operates in a linear regime, a small amplitude is critical. For batteries, a voltage perturbation of **5 to 10 mV** (peak-to-peak) is standard. Alternatively, galvanostatic EIS (GEIS) can be used, with the current amplitude carefully chosen to yield a voltage response within 10 mV.
• Frequency Range: A broad frequency sweep is necessary. Typically, the range spans from **10 mHz to 100 kHz** (or up to 1 MHz for inductive studies). Broad sweeps ensure that slow solid-state diffusion (low frequency) and fast contact resistances (high frequency) are both fully captured.
• State of Charge (SOC) Stabilization: Batteries must reach electrochemical equilibrium at each SOC point before initiating EIS. A rest (relaxation) time of **2 to 4 hours** (or until the open-circuit voltage drift is less than 1 mV/hour) is essential. Performing EIS on a drifting cell violates the stationarity requirement, generating severe artifacts in low-frequency DRT data.
• Temperature Control: Reaction kinetics and diffusivity scale exponentially with temperature (Arrhenius behavior). Measurements must be performed inside a high-precision thermal chamber (e.g., stable to within $\pm 0.1^\circ\text{C}$).
• Four-Terminal (Kelvin) Connection: Eliminating test lead and contact resistance is vital, especially for low-impedance high-energy cells where contact resistance can overshadow internal reaction parameters.

4. Peak Attributes and Broadening in DRT Spectra

Once the regularization equation is solved, the resulting DRT spectrum (plotting $\gamma(\ln\tau)$ against $\tau$ or frequency $f$) reveals several distinct peaks. Understanding what these peaks represent is key to interpreting the cell state:

Peak Position ($\tau$) and Area ($R$)

• Horizontal Axis ($\tau$): The peak location defines the characteristic timescale of the physical process. Alternatively, it can be viewed as characteristic frequency $f_c = 1/(2\pi\tau)$.
• Peak Area: The integral (area) under a peak directly corresponds to the polarization resistance ($R_p$) associated with that specific process. As the cell degrades, the growth of specific peak areas reveals which component is deteriorating.

Why do DRT peaks exhibit broadening?

In an ideal case with a single, perfectly uniform $RC$ element, the DRT would show an infinitely sharp Dirac delta function. In reality, DRT peaks are always broadened due to two main factors:

1. Physical Heterogeneity: Electrodes are composed of billions of active particles with varying size distributions. The porous network introduces non-uniform tortuosity, and local reaction rates vary spatially. This physical dispersion creates a continuous distribution of time constants, naturally broadening the peak.
2. Mathematical Regularization (Smoothing): The Tikhonov regularization parameter $\lambda$ directly controls the smoothness of the solved curve. If $\lambda$ is too high (over-smoothing), numerical noise is suppressed but peaks broaden and merge, lowering resolution. If $\lambda$ is too low (under-smoothing), peaks become very sharp but the spectrum is corrupted by oscillatory noise artifacts. Selecting the optimal $\lambda$ (e.g., using the L-Curve method) is essential.

5. Frequency Components and Physical Phenomenon Assignment

While the exact timescales vary depending on chemistry (e.g., LFP, NMC, Graphite, Silicon), temperature, and design, the literature generally maps the resolved time constants to the following physical mechanisms:

6. Key Pitfalls and Precautions in DRT Interpretation

While DRT is exceptionally powerful, naive interpretation can easily lead to erroneous scientific conclusions. Researchers must keep the following constraints in mind:

• The Two-Electrode Superimposition Limit: In a standard commercial battery cell (2-terminal configuration), the measured impedance is the sum of both the anode and cathode. Because anode and cathode charge-transfer processes often occur at similar timescales, their DRT peaks frequently overlap into a single, merged peak. Without reference electrode (3-electrode) testing or physical simulation templates, assigning a merged peak to one specific electrode is highly speculative.
  How researchers address this separation:
  • Three-Electrode Cells: Introducing a reference electrode (e.g., lithium wire) allows the measurement of WE vs. RE and CE vs. RE separately, providing independent DRT spectra for individual electrodes.
  • Symmetrical Cell Method: Harvesting electrodes from identical cycled/fresh cells to build symmetrical cells (e.g., cathode-cathode or anode-anode) to isolate single-electrode impedance.
  • Temperature and SOC Sensitivity Analysis: Evaluating how peaks shift over a matrix of temperatures and SOCs. Since cathode and anode charge-transfer processes have distinct activation energies and lithium-ion concentration dependencies, their peak areas and time constants follow different trajectories.
  • Model-Based Decoupling: Combining experimental DRT curves with physics-based models (such as P2D/DFN models) to compare experimentally observed peaks with physically simulated peaks.
• Regularization Artifacts (Fake Peaks): A small change in the regularization parameter $\lambda$ can make a peak split into two, or make two peaks merge into one. If the raw data contains high-frequency noise, a low $\lambda$ will interpret this noise as physical processes, producing spurious peaks at low time constants.
• Violations of Stationarity: If the cell is discharging, charging, or simply resting but still chemically relaxing (drifting voltage) during the EIS sweep, the low-frequency data becomes distorted. DRT inversion will translate this time-dependent drift into false peak features at large time constants ($\tau > 10\text{ s}$).
• High-Frequency Inductive Distortion: High-frequency inductance from long cables can bleed into the real part of the impedance spectrum if not mathematically corrected. This creates false negative or positive oscillations in the DRT at very short time constants.
• Kramers-Kronig (KK) Consistency Check: Before running DRT, the raw impedance data must be verified using a KK test (e.g., using Lin-KK tools) to confirm the data complies with linearity, causality, and stability. Inconsistent data will inevitably result in mathematically valid but physically nonsensical DRT spectra.

7. Excel DRT: Democratizing DRT Analysis

Traditionally, performing DRT required installing complex, specialized programming environments in Python or MATLAB. To make this methodology accessible to material scientists and bench engineers, we developed the **Excel DRT Tool**.

By implementing Tikhonov regularization and L-curve parameter selection algorithms directly inside an optimized Excel VBA framework, the tool allows users to import raw EIS text files and compute high-resolution DRT curves immediately within a familiar spreadsheet environment. This lowers the barrier to entry, enabling rapid diagnostic workflows right next to the battery cycler.

8. References

• Schichlein, H., Müller, A. C., Voigts, M., Krügel, A., & Ivers-Tiffée, E. (2002). Deconvolution of electrochemical impedance spectra for the identification of electrode processes. Journal of Applied Electrochemistry, 32, 875–882. DOI: 10.1023/A:1020599525160
• Wan, T. H., Saccoccio, M., Chen, C., & Ciucci, F. (2015). Influence of the discretization methods on the distribution of relaxation times deconvolution: implementing radial basis functions with DRTtools. Electrochimica Acta, 184, 483–499. DOI: 10.1016/j.electacta.2015.09.097
• Illig, J., Ender, M., Weber, A., & Ivers-Tiffée, E. (2015). Modeling graphite anodes with serial and transmission line models. Journal of Power Sources, 282, 335–347. DOI: 10.1016/j.jpowsour.2015.02.038

電気化学インピーダンス分光法（EIS）は、デバイスを破壊することなく内部状態を診断できる最も強力な測定技術の一つです。しかし、得られたナイキスト線図（インピーダンススペクトル）の解析は容易ではありません。なぜなら、リチウムイオン電池の内部で起こる固体内拡散、界面電荷移動反応、被膜（SEI）中のイオン輸送といった複数の物理現象は、互いに近い時間スケールで発生するためです。これらがナイキスト線図上で重なり合い、1つの潰れた半円として観測されてしまうため、個々の素過程を正確に分離して議論することが困難でした。

この課題を解決するため、特定の等価回路モデル（ECM）を仮定しない「モデルフリー」な解析手法として、緩和時間分布（DRT: Distribution of Relaxation Times）解析が大きな注目を集めています。DRTは、周波数ドメインのインピーダンスデータを数学的に時間定数（$\tau$）ドメインへと逆変換することで、重なり合っていた電気化学プロセスを、高い分解能を持つ独立した「ピーク」として分離・可視化します。

1. 電池EISの謎：電子回路計測とのキャリブレーション思想の違いとセル構造由来のインダクタンス

電子部品や高周波回路の計測を経験した技術者が、リチウムイオン電池の電気化学インピーダンス分光法（EIS）に触れると、いくつかの不可解な点に遭遇します。これらの違いを理解することは、インピーダンスの高周波領域を正しく解釈するために非常に重要です。

なぜ電池のEISには「オープンキャリブレーション」がないのか？

LCRメータやベクトル・ネットワーク・アナライザ（VNA）を用いた電子部品の測定では、測定治具やケーブルの浮遊容量（並列容量 $C_{stray}$）や漏れコンダクタンスをキャンセルするために、**オープン/ショート/ロード（OSL）キャリブレーション**（または少なくともオープン補正）が必須のステップとなります。これを行わないと、高インピーダンス部品の測定値は浮遊容量によって大きく歪んでしまいます。

しかし、電池用ポテンショスタット/ガルバノスタットの測定フローにおいて、「オープンキャリブレーション」の実施を求められることはほぼありません。これには、以下の2つの理由があります。

1. 極めて低いインピーダンス特性: 大型のリチウムイオン電池のインピーダンスは $0.1 \text{ m}\Omega \sim 10 \text{ m}\Omega$（小型セルでも数 $\Omega$ 以下）と、極めて低い値を示します。一方、測定ケーブルやジグが持つ浮遊並列容量は数 pF 程度（$C_{stray} \approx 10\text{ pF}$）であり、仮に $100\text{ kHz}$ という高周波であっても、そのインピーダンスは $Z_{stray} \approx 160\text{ k}\Omega$ と非常に大きな値です。これが電池（数 m$\Omega$）に対して並列に挿入されるため、合成インピーダンスへの寄与は数学的に完全に無視できます。 $$\frac{Z_{cell} \cdot Z_{stray}}{Z_{cell} + Z_{stray}} \approx Z_{cell}$$ したがって、オープン補正を行っても測定値は実質的に 1 桁も変わりません。電池測定において真に問題となるのは、直列に寄生するリード線のインダクタンス（$100\text{ kHz}$ で $1\text{ }\mu\text{H}$ の配線は $0.628\text{ }\Omega$ に達し、電池抵抗の数十倍になる）や接触抵抗です。そのため、補正機能としては直列成分を取り除く**ショートキャリブレーション**（またはケーブル補正）と、**4端子ケルビン接続**のみが決定的に重要となります。
2. 活性セル（エネルギー源）と受動部品のキャリブレーション設計の違い: 一般的なLCRメータのOSLキャリブレーションは、無通電の受動部品を対象とすることを前提としています。しかし、リチウムイオン電池は自ら電圧を持つ活性な化学エネルギー源です。測定端子間に電池が存在する状態で端子間を短絡（ショート）させると、大電流が流れてセルや装置が破損し極めて危険です。そのため、電池を接続した状態でのキャリブレーション（補正）を行うことはできません。結果として、電気化学測定（EIS）におけるキャリブレーションは、セルを接続する前の段階で、測定ケーブルやジグ単体に対してのみ行われます（端子を開放した状態でのオープン補正や、測定リード同士を短絡させたショート補正など）。

セル構造と高周波NyquistプロットのX切片（バルクオーム抵抗）の「誤解」

一般的な等価回路モデル（ECM）フィッティングでは、Nyquistプロットが高周波側で虚部ゼロ（$Z'' = 0$）となる実軸との交点（X切片）を、電解液や集電体の純粋な「バルクオーム抵抗（$R_{ohmic}$ または $R_{\infty}$）」と定義します。しかし、セルの物理的な構造によっては、この解釈が大きな誤解を生む原因となります。

• 巻回（円筒形・角形）セルの内部インダクタンス: 18650や4680などの円筒形セルや巻回型角形セルでは、長い帯状の集電体フォイルとセパレータが渦巻状に巻かれています（ジェリーロール構造）。この巻回構造は内部で「コイル（インダクタ）」として機能するため、無視できない内部幾何インダクタンス（$L_{int}$）と渦電流を発生させます。
• タブ配置と表皮効果（Skin Effect）による電流分布の不均一: ミュンヘン工科大学（TUM）などの研究グループによる詳細な解析（SchindlerらやLandesfeindらの研究など）により、高周波領域（$100\text{ Hz} \sim 10\text{ kHz}$ 以上）では、電磁誘導と表皮効果によって巻回体内部の電流分布が著しく不均一になることが実証されています。AC電流はタブ（端子）近傍に集中し、タブから離れた集電体フォイルの奥深くには電流が到達する前に減衰してしまいます。この周波数依存の電流分布の偏りにより、高周波における実部インピーダンスは、直流的なバルクオーム抵抗から大きく乖離してしまいます。

したがって、NyquistプロットのX切片を単純に電解液抵抗と見なしたり、高周波側の「インダクタンスの立ち上がり（第4象限のフック）」を単なる定数の直列インダクタ $L$ としてフィッティングするだけでは、電池内部の物理状態を正しく反映できません。巻回型セルを解析する際は、シングルタブ、マルチタブ、あるいはTeslaの4680で採用されたタブレス（Tabless）構造などの違いによる幾何学的な影響を考慮しなければ、インダクタンスの回り込みによるアーティファクトをバルク電解液の劣化と誤判定するリスクがあります。

2. DRT解析の基本原理と数学的定式化

DRT解析のベースにあるのは、「電池のインピーダンス $Z(\omega)$（オーム抵抗 $R_{\infty}$ およびインダクタンスを除く）は、無限個の微小な並列$RC$要素が直列に結合した分布定数回路で表現できる」という仮定です。このとき、測定される複素インピーダンスは、第一種フレドホルム積分方程式を用いて以下のように表されます。

$$Z(\omega) = R_{\infty} + \int_{0}^{\infty} \frac{g(\tau)}{1 + j\omega\tau} d\tau$$

ここで $g(\tau)$ は緩和時間の分布関数です。実際の電池反応の時定数は数桁にわたる広い範囲に分散するため、実用上は対数スケール（$\ln\tau$）を用いた定式化が広く用いられます。

$$Z(\omega) = R_{\infty} + \int_{-\infty}^{\infty} \frac{\gamma(\ln\tau)}{1 + j\omega\tau} d(\ln\tau)$$

測定データである $Z(\omega)$ から未知の分布関数 $\gamma(\ln\tau)$ を算出する処理は数学的に「逆問題」に分類されます。この逆変換は極めて不安定（不良設定問題）であり、ノイズを含んだ実測値から単純に逆計算を行うと、結果の数値が激しく振動し、非物理的な波形となってしまいます。この計算を安定化させるために、通常は以下のような**Tikhonov正則化（Tikhonov Regularization）**を用いた最適化問題を解く必要があります。

$$\min_{\mathbf{g}} \left\{ \|\mathbf{A}\mathbf{g} - \mathbf{Z}_{meas}\|^2 + \lambda \|\mathbf{L}\mathbf{g}\|^2 \right\}$$

ここで、$\mathbf{A}$ は積分カーネルを離散化した行列、$\mathbf{g}$ は求めるべき分布関数のベクトル、$\mathbf{Z}_{meas}$ は実測インピーダンスデータ、$\mathbf{L}$ は平滑化のための正則化演算子（一般には単位行列や2階微分行列）、そして $\lambda$ は正則化の強度を調整する正則化パラメータです。

3. 交流インピーダンス計測の方法と測定環境

DRT解析の精度は、インピーダンスデータの「測定品質」に完全に依存します。DRTはノイズや定常性の崩れ（ドリフト）に極めて敏感なため、EIS測定の際は以下のパラメータと測定環境の徹底した管理が求められます。

• AC印加振幅: 反応の非線形性を排除し、系を線形応答範囲に留めるために、微小な振幅で測定を行う必要があります。電圧印加（PEIS）の場合、**5〜10 mV** (peak-to-peak) の振幅が標準的です。電流印加（GEIS）の場合は、応答電圧振幅が10 mVを超えないよう印加電流を調整します。
• 測定周波数範囲: 固体内拡散のような非常に遅い現象から、バルク導電率のような非常に速い現象まで網羅するため、通常は **10 mHz〜100 kHz** (配線インダクタンスの補正を行う場合は最大 1 MHz) の広い範囲をスキャンします。
• SOCの安定化（緩和時間の確保）: 各充電状態（SOC）でEISを行う前には、セルが完全に平衡状態（電気化学的定常状態）に達している必要があります。充放電を停止してから最低でも **2〜4時間**（または開路電圧の変動が 1 mV/h 以下になるまで）十分な休止時間を確保しなければなりません。セル電圧がドリフトしている状態で測定を行うと、低周波領域のDRTに大きな疑似ピーク（アーティファクト）が発生します。
• 徹底した温度管理: 拡散係数や界面電荷移動反応の速度は、温度に対して指数関数的（アレニウス則）に変動します。測定は必ず、恒温槽（精度 $\pm 0.1^\circ\text{C}$ 以内）の内部で一定温度に制御した状態で実施する必要があります。
• 4端子（ケルビン接続）測定: 配線抵抗や接続チャック部の接触抵抗の影響を完全に排除するため、4端子測定の徹底が必須です。特にインピーダンスの極めて低い大容量セルの場合、接触抵抗のわずかな変動が解析結果を大きく歪めます。

4. DRT解析におけるピーク属性と広がりの要因

得られたDRTスペクトルは、横軸を緩和時間 $\tau$（または特徴周波数 $f$）、縦軸を分布関数 $\gamma(\ln\tau)$ とした曲線として描かれ、いくつかの明確なピークを示します。各ピークは以下の情報を持ちます。

ピーク位置（$\tau$）とピーク面積（$R$）

• 横軸（時定数 $\tau$ / 周波数 $f$）: ピークの頂点に位置する $\tau$ は、その現象を支配する代表時間を示します（周波数換算では $f_c = 1/(2\pi\tau)$）。
• ピーク面積（積分値）: そのピークが示す現象に起因する「分極抵抗（$R_p$）」そのものを表します。電池の劣化に伴ってどのピークの面積が増大したかを追跡することで、特定の劣化モードを定量評価できます。

なぜDRTピークには広がり（有限の幅）があるのか？

単一の理想的な時定数を持つ電気化学パラレル $RC$ 回路であれば、DRTスペクトル上には幅を持たない無限大のスパイク（デルタ関数）が現れるはずです。しかし、実際の電池の測定結果では、ピークは必ず裾野を持ったなだらかな広がりを示します。これには物理的・数学的な2つの理由があります。

1. 物理的な不均一性（時間定数の連続的分布）: 電極は粒径分布を持つ無数の活物質粒子から構成されており、電解液が浸透する空隙の形状も不均一です。さらに電極の厚み方向でも反応速度に分布が存在します。これらの物理的なバラつきにより、時定数が「幅」を持って分布するため、結果としてピークが物理的に広がります。
2. 数学的平滑化（正則化の副作用）: 逆問題を安定して解くために導入したTikhonov正則化のパラメータ $\lambda$ は、曲線全体の滑らかさを制御します。$\lambda$ を大きく設定しすぎる（過剰正則化）と、ノイズは消えるものの、ピーク同士が横に広がって融合し、分解能が低下してしまいます。逆に $\lambda$ が小さすぎる（過小正則化）と、ピークは鋭くなりますが、ノイズ由来の振動ピークが多数出現してしまいます。そのため、L-curve法などを用いて正則化と分解能のバランスが取れた最適な $\lambda$ を算出することが不可欠です。

5. 周波数成分と考えうる物理現象のアサイメント

DRT上の各ピークが「どの物理現象（アノードか、カソードか、SEIか、電荷移動か）」に対応するかを決定（アサイメント）することは、DRT解析において最も重要なプロセスです。セルの材料構成や設計、測定温度によって時定数の範囲はシフトしますが、一般的なリチウムイオン電池における標準的な割り当ては以下の通りです。

6. DRT解析の解釈における重要な注意点と落とし穴

DRT解析は非常に視覚的で解釈しやすいため、ともすれば誤った解析に陥りがちです。実務において必ず留意すべき注意点を示します。

• 2端子セルにおける正負極の重複限界: 市販の一般的な2端子セルから得られたインピーダンスを解析する場合、DRTスペクトルには正極と負極の応答が重ね合わされた形で出力されます。多くの場合、正極と負極の電荷移動時定数は非常に近いため、DRT上でも1つのピークに合流してしまいます。参照極を挿入した3端子測定を行うか、あらかじめ正負極の物理パラメータ（粒子径や拡散係数）がわかっている物理モデルと連動させない限り、検出された電荷移動ピークが「正極と負極のどちらに由来するものか」を個別に決定することは困難です。
  正負極のインピーダンス分離に向けた主なアプローチ：
  • 3端子セル（参照極の導入）: 金属リチウムなどの参照極（RE）を配置し、正極-参照極間、負極-参照極間のインピーダンスを個別に測定することで、正負極それぞれのDRTスペクトルを直接分離・取得します。
  • 対称セル（Symmetrical Cell）法: 解体したセルから同じ電極シートを2枚切り出し、正極同士（Cathode-Cathode）または負極同士（Anode-Anode）を対向させた対称セルを組むことで、他方の電極の寄与を完全に排除したDRTスペクトルを得る破壊的アプローチです。
  • 温度・SOC依存性（パラメータ感度）解析: さまざまな温度（例：$-10^\circ\text{C} \sim 45^\circ\text{C}$）やSOC（充電状態）でEISを測定し、各ピークの時定数や面積の変化を追跡します。正負極の電荷移動反応は異なる活性化エネルギーと濃度依存性を持つため、アレニウスプロットやSOC変化に対する挙動の違いから間接的にアサインを判定できます。
  • 物理モデルベースのデカップリング: 実測DRT曲線とP2D/DFNモデルなどの物理ベースシミュレーションを組み合わせ、数値的に正負極それぞれのパラメータ感度を割り当てることでピークの重複を解釈します。
• 正則化による疑似ピークの出現: 正則化パラメータ $\lambda$ の調整不足により、実際には存在しない複数の電気化学反応が存在するように見えてしまう場合があります。ノイズの多い高周波側のデータを無理にフィッティングしようとすると、小さな時定数側に波打つような偽のピークが発生しやすくなります。
• 定常性（ドリフト）の無視による低周波の歪み: セル電圧がわずかでも動きながらEIS測定を行うと、インピーダンスデータが歪みます。DRT解析は「システムが完全に定常状態にあること」を大前提として定式化されているため、このわずかなドリフトが数秒〜数十秒以上の超低周波領域（$\tau > 10\text{ 秒}$）において、非物理的かつ巨大なダミーピークを形成します。
• 高周波側インダクタンスの回り込み: 測定ケーブルの配置による寄生インダクタンスが適切にキャンセル（補正）されていないと、実部インピーダンスに誤差が混入し、DRT解析結果の最も時定数の短い領域に不自然な正負のピーク振動が発生します。
• Kramers-Kronig（KK）関係の適合確認: 測定した生データそのものが、線形性・因果性・定常性を満たしているかどうかを、DRT解析の前に「KKテスト（Lin-KK法など）」で評価することが極めて推奨されます。KK関係を満たさない（＝測定エラーや定常性の崩れがある）データに対してDRTを行っても、数学的には計算できてしまいますが、その物理的解釈は一切無意味となります。

7. Excel DRTによる解析プロセスの効率化

従来、DRT解析を実行するためには、PythonやMATLABなどのプログラミング環境を整備し、関連ライブラリを適切に設定する必要がありました。このハードルを下げ、実験現場の技術者が手軽にDRTを利用できるよう開発されたのが**「Excel DRTツール」**です。

Tikhonov正則化やL-curve法によるパラメータ探索アルゴリズムをExcel VBAとして完全にパッケージ化しており、実験ベンチで取得したEISのテキストデータをインポートするだけで、普段使い慣れたスプレッドシート上で即座に高分解能なDRT分布図をプロットすることができます。これにより、電池テスターの隣で迅速に劣化メカニズムの分類を行うことが可能になります。

8. 参考文献

• Schichlein, H., Müller, A. C., Voigts, M., Krügel, A., & Ivers-Tiffée, E. (2002). Deconvolution of electrochemical impedance spectra for the identification of electrode processes. Journal of Applied Electrochemistry, 32, 875–882. DOI: 10.1023/A:1020599525160
• Wan, T. H., Saccoccio, M., Chen, C., & Ciucci, F. (2015). Influence of the discretization methods on the distribution of relaxation times deconvolution: implementing radial basis functions with DRTtools. Electrochimica Acta, 184, 483–499. DOI: 10.1016/j.electacta.2015.09.097
• Illig, J., Ender, M., Weber, A., & Ivers-Tiffée, E. (2015). Modeling graphite anodes with serial and transmission line models. Journal of Power Sources, 282, 335–347. DOI: 10.1016/j.jpowsour.2015.02.038