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 verbunden sind, die in Batterien verwendet werden. Das Bergbauforschungs-Startup Kobold entwickelt ein KI-Modell, das in der Lage ist, Materialien zu erkennen, die zur Herstellung von Batterien verwendet werden, im Boden. Währenddessen verwendet ein Team von Forschern von IBM KI-Algorithmen, um zu bestimmen, welche alternativen Materialien zur Herstellung von Batterien verwendet werden können.

Die Nachfrage nach Materialien zur 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 zu verbessern oder sogar durch Techniken zu ersetzen, die nachhaltiger sind.

Laut IEEE Spectrum, zielt das neue KI-Projekt von KoBold Metals darauf ab, Erzlagerstätten in Gebieten zu erkennen, in denen die Gewinnung des Erzes im Vergleich zu den aktuellen Ressourcengewinnungsmethoden relativ geringe Schäden verursachen würde. Kobold erklärte, dass die KI-Modelle, die sie entwickeln, den Bedarf an invasiven und teuren Mineralienexplorationsmissionen 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 Mineralienlagerstätten erforderlich sein werden, um das aktuelle Energiesystem zu ändern.

KoBold arbeitet gemeinsam mit dem Center for Earth Resource Forecasting der Stanford-Universität an der Entwicklung eines KI-Agents, der Empfehlungen für die Suche nach bestimmten Mineralien geben kann. Das Startup möchte eine KI entwickeln, die Bereiche empfehlen kann, 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 Mineralienlagerstätten 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 reagiert, die aus der Umgebung gesammelt werden.

Da die Gesellschaft von fossilbetriebenen Fahrzeugen zu batteriebetriebenen Fahrzeugen 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 in etwa der zehnfachen Kapazität der aktuellen Kapazität in den USA entspricht.

Der KI-gesteuerte Ansatz von Kobold zur Mineralienentdeckung wird von einer Datenplattform unterstützt, die Informationen über potenzielle Bergbaustandorte 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 Batteriebestandteile wie Lithium und Kobalt dienen können. Die Forscher von IBM verwenden KI-Modelle, um Lösungsmittel zu identifizieren, die die aktuellen Lithium-Ionen-Batterien übertreffen könnten. Dieses IBM-KI-Projekt konzentriert sich auf bereits existierende und verfügbare Materialien, aber ein anderes IBM-Projekt zielt darauf ab, neue Moleküle zu synthetisieren, die gängige Batteriematerialien 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 die Schulung eines generativen Modells auf diese Arten von Merkmalen können die Forscher Moleküle mit ähnlichen Eigenschaften generieren.

IBM hat bereits sein KI-System verwendet, um neue Moleküle zu entwickeln, die als “Photoacid-Generatoren” bezeichnet werden. Diese Photoacid-Generatoren könnten Ingenieuren helfen, Computerchips mit umweltfreundlicheren Materialien und Techniken zu entwickeln. Das IBM-Forschungsteam zielt darauf ab, dasselbe für die Batterietechnologie zu tun.