KI-Modelle werden verwendet, um Lagerstätten von Batteriematerialien zu finden und Ersatzstoffe zu identifizieren

KI-Forscher sind dabei, KI-Modelle zu entwickeln, um die Umweltauswirkungen zu reduzieren, die mit der Gewinnung von Materialien für Batterien verbunden sind. Das Bergbau-Explorations-Startup Kobold entwickelt ein KI-Modell, das in der Lage ist, Materialien zu erkennen, die für die Herstellung von Batterien verwendet werden, im Boden. Währenddessen verwenden ein Team von Forschern von IBM KI-Algorithmen, um zu bestimmen, welche alternativen Materialien für die Herstellung von Batterien verwendet werden könnten.

Die Nachfrage nach Materialien für die Herstellung von Batterien steigt ständig, da immer mehr Objekte von Elektrizität angetrieben werden. Um diese gestiegene Nachfrage zu decken, muss mehr Bergbau betrieben werden, und Forscher suchen nach Möglichkeiten, um die Umweltauswirkungen dieser Ressourcengewinnung zu reduzieren. KI hat das Potenzial, die aktuellen Methoden der Gewinnung von Erzen oder diese Methoden durch nachhaltigere Techniken zu ersetzen.

Laut IEEE Spectrum zielt das neue KI-Projekt von KoBold Metals darauf ab, Erzlagerstätten in Gebieten zu erkennen, in denen die Gewinnung des Erzes relativ geringe Schäden verursachen würde, im Vergleich zu den aktuellen Ressourcengewinnungsmethoden. Kobold erklärte, dass die KI-Modelle, die sie entwickeln, den Bedarf an invasiven, teuren Mineral-Explorations-Missionen dramatisch reduzieren könnten, die normalerweise viele Erkundungen und Scans erfordern, um seltene Materialien zu finden. Laut KoBold sind die meisten leicht zugänglichen Materialien bereits gefunden worden, obwohl neue Mineral-Lagerstätten erforderlich sind, um das aktuelle Energiesystem zu ändern.

KoBold arbeitet zusammen mit dem Center for Earth Resource Forecasting von Stanford an der Entwicklung eines KI-Agents, der Empfehlungen für die Suche nach bestimmten Mineralien geben kann. Das Startup möchte eine KI, die in der Lage ist, Gebiete zu empfehlen, die möglicherweise Lagerstätten von Lithium, Kupfer, Kobalt, Nickel und anderen Mineralien enthalten.

Ein Professor für geologische Wissenschaften an der Stanford-Universität, Jef Caers, erklärte, dass das Konzept hinter der KI darin besteht, Geologen bei der Bewertung mehrerer Standorte für potenzielle Mineral-Lagerstätten zu unterstützen und den Entscheidungsprozess zu beschleunigen. Laut Caers funktioniert das KI-Modell wie ein selbstfahrendes Auto, indem es sowohl Daten sammelt als auch auf diese Daten reagiert, die aus der Umgebung gesammelt werden.

Da die Gesellschaft von fossilen Brennstoffen zu batteriebetriebenen Autos wechselt, um die gesamten Treibhausgasemissionen zu reduzieren, wird mehr Batteriekapazität benötigt. Laut einer Studie, die im Dezember im Journal Nature veröffentlicht wurde, könnten es bis 2050 über 2 Milliarden Elektrofahrzeuge auf der Straße geben, die etwa 12 Terawattstunden an jährlicher Batteriekapazität erfordern, was etwa zehnmal der aktuellen Kapazität in den USA entspricht.

Kobolds KI-gesteuerter Ansatz für die Mineral-Entdeckung wird von einer Datenplattform unterstützt, die Informationen über potenzielle Bergbau-Standorte aus verschiedenen Quellen speichert. Bodenproben, Bohrberichte und Satellitenbilder werden gesammelt und als Merkmale für das KI-Modell verwendet, das Vorhersagen über die Standorte von hochkonzentrierten Erzlagerstätten trifft. Es wird gehofft, dass das KI-Modell genaue Vorhersagen über die Standorte treffen wird, die abgebaut werden sollten, und dass diese Vorhersagen viel schneller getroffen werden als die von einem menschlichen Analysten.

Während Kobold KI-Modelle entwickelt, um mehr Mineralien für Batterien zu finden, versuchen Forscher von IBM, Materialien zu finden, die als Ersatz für gängige Batterie-Zutaten wie Lithium und Kobalt dienen können. Die IBM-Forscher verwenden KI-Algorithmen, um Lösungsmittel zu identifizieren, die die aktuellen Lithium-Ionen-Batterien übertreffen könnten. Dieses IBM-KI-Projekt konzentriert sich auf aktuell existierende und verfügbare Materialien, aber ein anderes IBM-Projekt zielt darauf ab, neue Moleküle zu synthetisieren, die gängige Batterie-Materialien ersetzen können.

Das IBM-Forschungsteam verwendete generative Modelle, um die molekulare Struktur, den Schmelzpunkt, die Viskosität und andere Eigenschaften von vorhandenen Materialien zu verstehen. Durch das Training eines generativen Modells auf diese Merkmale können die Forscher Moleküle mit ähnlichen Eigenschaften generieren.

IBM hat bereits sein KI-System verwendet, um neue Moleküle zu entwickeln, die als “Photo-Säure-Generatoren” bezeichnet werden. Diese Photo-Säure-Generatoren könnten Ingenieuren helfen, Computer-Chips mit umweltfreundlicheren Materialien und Techniken zu entwickeln. Das IBM-Forschungsteam zielt darauf ab, das Gleiche für die Batterietechnologie zu erreichen.