AI modely používané k nalezení ložisek materiálů pro baterie a identifikaci náhrad

Výzkumníci v oblasti AI jsou v procesu vývoje AI modelů, aby snížili environmentální dopady spojené s těžbou materiálů používaných v bateriích. Startup Kobold je vyvíjí AI model, který je schopen detekovat materiály používané při výrobě baterií v zemi. Mezitím tým výzkumníků z IBM využívá AI algoritmy k určení, které alternativní materiály by mohly být použity pro výrobu baterií.

Poptávka po materiálech pro výrobu baterií neustále roste, protože se stále více objektů pohání elektřinou. Aby bylo možné uspokojit tuto zvýšenou poptávku, bude muset být provedena další těžba a výzkumníci hledají způsoby, jak snížit environmentální dopad těchto operací s těžbou zdrojů. AI má potenciál zlepšit současné metody těžby rud nebo je dokonce nahradit technikami, které jsou udržitelnější.

Podle IEEE Spectrum, KoBold Metals nový AI projekt má za cíl detekovat ložiska rud v oblastech, kde by těžba rud měla relativně malé dopady, ve srovnání se současnými metodami těžby zdrojů. Kobold vysvětlil, že AI modely, které vyvíjí, by mohly dramaticky snížit potřebu invazivních a drahých mineralogických průzkumných misí, které obvykle vyžadují mnoho průzkumů a skenů k nalezení vzácných materiálů. Podle KoBoldu byly již nalezeny většina snadno dostupných materiálů, i když budou zapotřebí nové mineralogické ložiska, aby se změnil současný energetický systém.

KoBold spolupracuje se Stanfordovým centrem pro předpověď zdrojů Země na vývoji AI agenta, který může poskytovat doporučení pro nalezení určitých minerálů. Startup chce AI, který může doporučit oblasti, které mohou obsahovat ložiska lithia, mědi, kobaltu, niklu a dalších minerálů.

Profesor geologických věd na Stanfordu, Jef Caers, vysvětlil, že koncept za AI je, že pomůže geologům vyhodnotit více lokalit pro potenciální mineralogická ložiska a urychlit proces rozhodování. Podle Caerse AI model funguje podobně jako samořiditelné auto, protože model shromažďuje a jedná na základě dat shromážděných z okolního prostředí.

Jak se společnost přesouvá od vozidel poháněných fosilními palivy k vozidlům na baterie, s cílem snížit celkové emise skleníkových plynů, bude zapotřebí více kapacity baterií. Podle článku publikovaného v časopise Nature minulého prosince, by mohlo být do roku 2050 na silnicích více než 2 miliardy elektrických vozidel, což bude vyžadovat kolem 12 terawatt-hodin roční kapacity baterií, což je přibližně desetkrát více než současná kapacita v USA.

AI poháněný přístup KoBoldu k objevování minerálů je podporován datovou platformou, která uchovává informace o potenciálních těžebních lokalitách z různých zdrojů. Vzorky půdy, zprávy o vrtání a satelitní snímky jsou shromažďovány a používány jako funkce pro AI model, který činí předpovědi o lokalitách vysoce koncentrovaných rudných ložisek. Doufá se, že AI model učiní přesné předpovědi o tom, které lokality by měly být vytěženy, a to mnohem rychleji než lidský analytik.

Zatímco KoBold navrhuje AI modely pro nalezení více minerálů pro baterie, výzkumníci z IBM se snaží najít materiály, které by mohly nahradit běžné složky baterií, jako je lithium a kobalt. Výzkumníci z IBM využívají AI modely k identifikaci rozpouštědel, která by mohla překonat současné lithiové-iontové baterie. Tento projekt IBM se zaměřuje na současné a dostupné materiály, ale jiný projekt IBM má za cíl syntetizovat nové molekuly, které by mohly nahradit běžné materiály baterií.

Tým výzkumníků z IBM použil generativní modely k pochopení molekulární struktury, bodu tání, viskozity a dalších atributů existujících materiálů. Školení generativního modelu na těchto typech funkcí umožňuje výzkumníkům generovat molekuly se podobnými vlastnostmi.

IBM již použil svůj AI systém k navrhování nových molekul nazývaných “fotoacidní generátory”. Tyto fotoacidní generátory by mohly pomoci inženýrům vyvinout počítačové čipy pomocí více environmentálně šetrných materiálů a technik. Tým výzkumníků z IBM má za cíl učinit totéž pro technologii baterií.