Modely AI použité k nalezení ložisek materiálů pro baterie a identifikaci náhrad

Výzkumníci v oblasti umělé inteligence jsou v procesu vývoje modelů AI, které sníží environmentální dopady spojené s těžbou materiálů používaných v bateriích. Startup Kobold, který se zabývá průzkumnou činností, vyvíjí model AI, který je schopen detekovat materiály používané při výrobě baterií v zemi. Mezitím tým výzkumníků z IBM využívá algoritmy AI 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 více těžební činnosti, a výzkumníci hledají způsoby, jak snížit environmentální dopad těchto operací. Umělá inteligence má potenciál zlepšit současné metody těžby nebo je dokonce nahradit technikami, které jsou více udržitelné.

Podle IEEE Spectrum, KoBold Metals spustil nový projekt AI, který má za cíl detekovat ložiska rud v oblastech, kde by těžba rud způsobila relativně malé poškození, ve srovnání se současnými metodami těžby. Kobold vysvětlil, že modely AI, které vyvíjí, by mohly dramaticky snížit potřebu invazivních a nákladných průzkumných misí, které obvykle vyžadují mnoho průzkumů a skenování, aby se našly vzácné materiály. Podle KoBoldu již byly nalezeny meisten snadno dostupné materiály, i když budou zapotřebí nové minerální ložiska, aby se změnil současný energetický systém.

KoBold spolupracuje se Stanfordským centrem pro předpověď zdrojů Země na vývoji agenta AI, který může doporučit místa, kde se mohou nacházet certain minerály. Startup chce agenta AI, který bude schopen doporučit oblasti, které mohou obsahovat ložiska lithia, mědi, kobaltu, niklu a dalších minerálů.

Profesor geologických věd na Stanfordské univerzitě Jef Caers vysvětlil, že koncept za modelem AI spočívá v tom, že pomůže geologům vyhodnotit více míst pro potenciální ložiska minerálů a urychlit proces rozhodování. Podle Caerse model AI funguje podobně jako samořiditelné auto, protože model shromažďuje a jedná na základě dat shromážděných z okolního prostředí.

Jak se společnost přechází z fosilních paliv na bateriově poháněná auta, aby snížila 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 elektrovozidel, což by vyžadovalo asi 12 terawatt-hodin roční kapacity baterií, což je zhruba desetkrát více než současná kapacita v USA.

Přístup Koboldu k objevu minerálů pomocí AI je podporován datovou platformou, která ukládá informace o potenciálních místech těžby ze různých zdrojů. Vzorky půdy, zprávy o vrtání a satelitní snímky jsou shromažďovány a používány jako funkce pro model AI, který dělá předpovědi o místech s vysoce koncentrovanými ložisky rud. Doufá se, že model AI bude dělat přesné předpovědi o místech, která by měla být vytěžena, a to mnohem rychleji než lidský analytik.

Zatímco Kobold navrhuje modely AI 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 modely AI k identifikaci rozpouštědel, která by mohla překonat současné lithiové 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 používal 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 systém AI k navržení nových molekul nazývaných „fotoacidní generátory“. Tyto fotoacidní generátory by mohly pomoci inženýrům vyvíjet počítačové čipy pomocí více environmentálně šetrných materiálů a technik. Tým výzkumníků z IBM má za cíl udělat totéž pro technologii baterií.