AI-modeller, der bruges til at finde aflejringer af batterimaterialer og identificere udskiftninger

AI-forskere er i gang med at udvikle AI-modeller for at reducere miljøpåvirkningerne forbundet med udvinding af materialer, der bruges i batterier. Mineudforskningsstarten Kobold er ved at udvikle en kunstig intelligens-model, der er i stand til at detektere materialer, der bruges til at skabe batterier i jorden. I mellemtiden bruger et team af forskere fra IBM AI-algoritmer til at bestemme, hvilke alternative materialer der kan bruges til at skabe batterier.

Efterspørgslen efter materialer til at skabe batterier stiger hele tiden, efterhånden som flere og flere genstande bliver drevet af elektricitet. For at imødekomme denne øgede efterspørgsel vil mere minedrift skulle finde sted, og forskere leder efter måder at reducere miljøpåvirkningen af ​​disse ressourceudvindingsoperationer. AI har potentialet til at forbedre nuværende metoder til at udvinde malm eller endda erstatte disse metoder med teknikker, der er mere bæredygtige.

Ifølge IEEE Spectrum, KoBold Metals' nyt AI-projekt har til formål at opdage malmforekomster i områder, hvor udvinding af malmen ville gøre relativt mindre skade sammenlignet med nuværende ressourceudvindingsmetoder. Kobold forklarede, at de AI-modeller, de udvikler, dramatisk kan reducere behovet for invasive, dyre mineraludforskningsmissioner, som typisk kræver mange udforskninger og scanninger for at finde sjældne materialer. Ifølge KoBold er de fleste let tilgængelige materialer allerede fundet, selvom der skal nye mineralforekomster til for at ændre det nuværende energisystem.

KoBold arbejder sammen med Stanfords Center for Earth Resource Forecasting for at udvikle en AI-agent, der kan komme med anbefalinger til, hvor man kan finde visse mineraler. Opstarten ønsker en AI, der er i stand til at anbefale områder, der kan indeholde aflejringer af lithiumkobber, kobolt, nikkel og andre mineraler.

En professor i geologiske videnskaber ved Stanford, Jef Caers, forklarede, at konceptet bag AI er, at det vil hjælpe geologer med at evaluere flere steder for potentielle mineralforekomster og fremskynde beslutningsprocessen. Ifølge Caers fungerer AI-modellen som en selvkørende bil i den forstand, at modellen både samler og handler på data indsamlet fra det omgivende miljø.

Efterhånden som samfundet går væk fra fossildrevne biler til batteridrevne biler med det formål at reducere de samlede drivhusgasemissioner, vil der være behov for mere batterikapacitet. Ifølge et papir offentliggjort i tidsskriftet Nature sidste december, kunne der være over 2 milliarder elektriske køretøjer på vejen i 2050, hvilket kræver omkring 12 terawatt-timers årlig batterikapacitet, hvilket er cirka ti gange den nuværende eksisterende kapacitet i USA.

Kobolds AI-drevne mineralopdagelsestilgang er understøttet af en dataplatform, der gemmer information om potentielle minesteder taget fra en række forskellige kilder. Jordprøver, borerapporter og satellitbilleder indsamles og bruges som funktioner til AI-modellen, som giver forudsigelser om placeringen af ​​højt koncentrerede malmforekomster. Det er håbet, at AI-modellen vil lave nøjagtige forudsigelser om, hvilke steder der skal udvindes, og forudsigelserne kommer meget hurtigere end dem, der er lavet af en menneskelig analytiker.

Mens Kobold designer AI-modeller for at finde flere mineraler til batterier, forsøger forskere fra IBM at finde materialer, der kan erstatte almindelige batteriingredienser som lithium og kobolt. IBM-forskerne bruger AI-modeller til at identificere opløsningsmidler, der kan overgå nuværende lithium-ion-batterier. Dette IBM AI-projekt fokuserer på aktuelt eksisterende og aktuelt tilgængelige materialer, men et andet IBM-projekt har til formål at syntetisere nye molekyler der kan erstatte almindelige batterimaterialer.

IBM-forskerteamet brugte generative modeller til at forstå den molekylære struktur, smeltepunkt, viskositet og andre egenskaber ved eksisterende materialer. Træning af en generativ model på disse typer funktioner giver forskerne mulighed for at generere molekyler med lignende egenskaber.

IBM har allerede brugt deres AI-system til at konstruere nye molekyler kaldet "fotosyregeneratorer". Disse fotosyregeneratorer kunne hjælpe ingeniører med at udvikle computerchips ved hjælp af mere miljøvenlige materialer og teknikker. IBMs forskningsteam sigter mod at gøre det samme for batteriteknologi.