Μοντέλα AI που Χρησιμοποιούνται για την Ανίχνευση Καταθέσεων Υλικών Μπαταριών και την Αναγνώριση Αντικαταστάσεων

Ερευνητές του AI βρίσκονται στη διαδικασία ανάπτυξης μοντέλων AI για τη μείωση των περιβαλλοντικών επιπτώσεων που συνδέονται με την εξαγωγή υλικών που χρησιμοποιούνται στις μπαταρίες. Η εταιρεία εξόρυξης Kobold αναπτύσσει ένα μοντέλο AI που είναι ικανό να ανιχνεύει υλικά που χρησιμοποιούνται στη δημιουργία μπαταριών στο έδαφος. Εν τω μεταξύ, μια ομάδα ερευνητών από την IBM χρησιμοποιεί αλγορίθμους AI για να καθορίσει ποια εναλλακτικά υλικά θα μπορούσαν να χρησιμοποιηθούν για τη δημιουργία μπαταριών.

Η ζήτηση για υλικά για τη δημιουργία μπαταριών αυξάνεται συνεχώς, καθώς περισσότερα και περισσότερα αντικείμενα λειτουργούν με ηλεκτρισμό. Για να ικανοποιηθεί αυτή η αυξημένη ζήτηση, θα πρέπει να thựcθεί περισσότερη εξόρυξη και οι ερευνητές ψάχνουν για τρόπους να μειώσουν την περιβαλλοντική επίδραση αυτών των εργασιών εξόρυξης. Το AI έχει τη δυνατότητα να βελτιώσει τις τρέχουσες μεθόδους εξόρυξης ορυκτών ή ακόμη και να αντικαταστήσει αυτές τις μεθόδους με τεχνικές που είναι πιο βιώσιμες.

Σύμφωνα με το IEEE Spectrum, KoBold Metals έχει ένα νέο έργο AI που στοχεύει στην ανίχνευση καταθέσεων ορυκτών σε περιοχές όπου η εξόρυξη του ορυκτού θα είχε σχετικά ελάχιστες επιπτώσεις, σε σύγκριση με τις τρέχουσες μεθόδους εξόρυξης. Η Kobold εξήγησε ότι τα μοντέλα AI που αναπτύσσουν θα μπορούσαν να μειώσουν δραματικά την ανάγκη για εισβολικές, ακριβές αποστολές εξόρυξης ορυκτών, οι οποίες συνήθως απαιτούν πολλές εξερευνήσεις και σκαναρίσματα για να βρεθούν σπάνια υλικά. Σύμφωνα με την KoBold, τα meisten από τα εύκολα προσβάσιμα υλικά έχουν ήδη βρεθεί, mặc dù νέες καταθέσεις ορυκτών θα χρειαστούν για να αλλάξει το τρέχον ενεργειακό σύστημα.

Η KoBold συνεργάζεται με το Κέντρο Προγνώσεων Πόρων της Γης του Stanford για την ανάπτυξη ενός πράκτορα AI που μπορεί να κάνει συστάσεις για το πού να βρεθούν bestimmμένα ορυκτά. Η εταιρεία θέλει ένα AI που μπορεί να συστήσει περιοχές που μπορεί να περιέχουν καταθέσεις λιθίου, χαλκού, κοβαλτίου, νικελίου και άλλων ορυκτών.

Ένας καθηγητής γεωλογικών επιστημών στο Stanford, ο Jef Caers, εξήγησε ότι η концепция πίσω από το AI είναι ότι θα βοηθήσει τους γεωλόγους να αξιολογήσουν πολλές τοποθεσίες για πιθανές καταθέσεις ορυκτών και να επιταχύνουν τη διαδικασία λήψης αποφάσεων. Σύμφωνα με τον Caers, το μοντέλο AI λειτουργεί όπως ένα αυτοκίνητο με αυτόνομη οδήγηση, στο οποίο το μοντέλο συλλέγει και ενεργεί με βάση τα δεδομένα που συλλέγονται από το περιβάλλον.

Καθώς η κοινωνία μεταβαίνει από τα αυτοκίνητα που λειτουργούν με ορυκτά καύσιμα σε αυτοκίνητα που λειτουργούν με μπαταρίες, με στόχο τη μείωση των συνολικών εκπομπών αερίων του θερμοκηπίου, θα χρειαστούν περισσότερες μπαταρίες. Σύμφωνα με một έγγραφο που δημοσιεύθηκε στο περιοδικό Nature τον περασμένο Δεκέμβριο, μπορεί να υπάρχουν πάνω από 2 δισεκατομμύρια ηλεκτρικά οχήματα στο δρόμο μέχρι το 2050, τα οποία θα απαιτήσουν περίπου 12 terawatt-ωρών ετήσιας ικανότητας μπαταριών, που είναι περίπου δέκα φορές η τρέχουσα υφιστάμενη ικανότητα των ΗΠΑ.

Η προσέγγιση της Kobold για την ανακάλυψη ορυκτών με βάση το AI υποστηρίζεται από μια πλατφόρμα δεδομένων που αποθηκεύει πληροφορίες για πιθανές τοποθεσίες εξόρυξης από διάφορες πηγές. Δείγματα εδάφους, αναφορές διάτρησης και εικόνες δορυφόρου συλλέγονται και χρησιμοποιούνται ως χαρακτηριστικά για το μοντέλο AI, το οποίο κάνει προβλέψεις για τις τοποθεσίες των πυκνών καταθέσεων ορυκτών. Ελπίζεται ότι το μοντέλο AI θα κάνει ακριβείς προβλέψεις για ποιες τοποθεσίες πρέπει να εξορυχθούν, οι προβλέψεις έρχονται πολύ πιο γρήγορα από αυτές που κάνει ένας ανθρώπινος αναλυτής.

Ενώ η Kobold σχεδιάζει μοντέλα AI για την ανίχνευση περισσότερων ορυκτών για μπαταρίες, ερευνητές από την IBM προσπαθούν να βρουν υλικά που μπορούν να αντικαταστήσουν τα κοινά συστατικά μπαταριών όπως το λίθιο και το κοβάλτιο. Οι ερευνητές της IBM χρησιμοποιούν μοντέλα AI για να αναγνωρίσουν διαλύτες που θα μπορούσαν να υπερβούν τις τρέχουσες μπαταρίες λιθίου-ιόντων. Αυτό το έργο AI της IBM επικεντρώνεται στα υλικά που υπάρχουν ήδη και είναι διαθέσιμα, αλλά ένα διαφορετικό έργο της IBM στοχεύει να συνθέσει νέα μόρια που μπορούν να αντικαταστήσουν τα κοινά υλικά μπαταριών.

Η ομάδα ερευνητών της IBM χρησιμοποίησε γεννητικά μοντέλα για να κατανοήσουν τη μοριακή δομή, το σημείο τήξης, τη viskoelasticidade και άλλα χαρακτηριστικά των υφιστάμενων υλικών. Η εκπαίδευση ενός γεννητικού μοντέλου σε αυτά τα χαρακτηριστικά επιτρέπει στους ερευνητές να γεννήσουν μόρια με παρόμοια ιδιότητες.

Η IBM έχει ήδη χρησιμοποιήσει το σύστημα AI της για να σχεδιάσει νέα μόρια που ονομάζονται «photoacid generators». Αυτά τα photoacid generators θα μπορούσαν να βοηθήσουν τους μηχανικούς να αναπτύξουν χιπ υπολογιστών χρησιμοποιώντας πιο περιβαλλοντικά φιλικά υλικά και τεχνικές. Η ομάδα ερευνητών της IBM στοχεύει να κάνει το ίδιο για την τεχνολογία μπαταριών.