Μοντέλα AI που χρησιμοποιούνται για την ανίχνευση αποθεμάτων υλικών μπαταριών και την αναγνώριση αντικαταστάσεων

Οι ερευνητές του AI βρίσκονται στη διαδικασία ανάπτυξης μοντέλων AI για τη μείωση των περιβαλλοντικών επιπτώσεων που συνδέονται με την εξαγωγή των υλικών που χρησιμοποιούνται στις μπαταρίες. Η εταιρεία εξερεύνησης ορυκτών Kobold αναπτύσσει ένα μοντέλο AI που μπορεί να ανιχνεύσει τα υλικά που χρησιμοποιούνται στη δημιουργία μπαταριών στο έδαφος. Εν τω μεταξύ, μια ομάδα ερευνητών από την IBM χρησιμοποιεί αλγόριθμους AI για να καθορίσει ποια εναλλακτικά υλικά θα μπορούσαν να χρησιμοποιηθούν για τη δημιουργία μπαταριών.

Η ζήτηση για υλικά για την δημιουργία μπαταριών αυξάνεται συνεχώς, καθώς και περισσότερα αντικείμενα λειτουργούν με ηλεκτρικό ρεύμα. Για να ικανοποιηθεί αυτή η αυξημένη ζήτηση, θα πρέπει να thựcθεί περισσότερη εξόρυξη και οι ερευνητές αναζητούν τρόπους για 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 το νέο πρόγραμμα AI έχει ως στόχο να ανιχνεύσει αποθέματα 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 εξερεύνησης ορυκτών, οι οποίες συνήθως απαιτούν πολλές εξερευνήσεις και σκάνερ για να βρουν σπάνια υλικά. Σύμφωνα με την KoBold, τα meisten από τα εύκολα προσβάσιμα υλικά έχουν ήδη βρεθεί, mặc dù θα χρειαστούν νέα αποθέματα ορυκτών για να αλλάξουν 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 αποθέματα λιθίου, χαλκού, κοβαλτίου, νικελίου και άλλων ορυκτών.

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

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

Η προσέγγιση της KoBold για την ανακάλυψη ορυκτών με τη βοήθεια του 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 πυκνωμένων αποθεμάτων ορυκτών. Ελπίζεται ότι το μοντέλο AI θα κάνει ακριβείς προβλέψεις για τις τοποθεσίες που πρέπει να εξορυχθούν, οι προβλέψεις έρχονται πολύ γρηγορότερα 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. Η ομάδα ερευνητών της IBM χρησιμοποιεί μοντέλα AI για να αναγνωρίσει διαλύτες που θα μπορούσαν να ξεπεράσουν τις τρέχουσες μπαταρίες λιθίου-ιόντων. Αυτό το πρόγραμμα AI της IBM επικεντρώνεται στα υλικά που υπάρχουν ήδη και είναι διαθέσιμα, αλλά ένα διαφορετικό πρόγραμμα της IBM έχει ως στόχο τη σύνθεση νέων μορίων που μπορούν να αντικαταστήσουν τα κοινά υλικά μπαταριών.

Η ομάδα ερευνητών της IBM χρησιμοποίησε μοντέλα γεννήτριας για να κατανοήσει τη μοριακή δομή, το σημείο τήξης, τη viscosidade και άλλα χαρακτηριστικά των υλικών. Η εκπαίδευση ενός μοντέλου γεννήτριας σε αυτά τα είδη χαρακτηριστικών επιτρέπει στους ερευνητές να γεννήσουν μόρια με παρόμοια ιδιότητες.

Η IBM έχει ήδη χρησιμοποιήσει το σύστημα AI για να σχεδιάσει νέα μόρια που ονομάζονται “photoacid generators”. Αυτά τα photoacid generators θα μπορούσαν να βοηθήσουν τους μηχανικούς να αναπτύξουν κυκλώματα υπολογιστών χρησιμοποιώντας πιο φιλικές προς το περιβάλλον υλικά και τεχνικές. Η ομάδα ερευνητών της IBM έχει ως στόχο να κάνει το ίδιο για την τεχνολογία μπαταριών.