Modelos de IA utilizados para encontrar depósitos de materiales de baterías e identificar reemplazos

Los investigadores de IA están en el proceso de desarrollar modelos de IA para reducir los impactos ambientales asociados con la extracción de materiales utilizados en baterías. La startup de exploración minera Kobold está desarrollando un modelo de IA capaz de detectar materiales utilizados en la creación de baterías en el suelo. Mientras tanto, un equipo de investigadores de IBM está utilizando algoritmos de IA para determinar qué materiales alternativos podrían utilizarse para crear baterías.

La demanda de materiales para crear baterías está aumentando constantemente a medida que más y más objetos se alimentan de electricidad. Para satisfacer esta demanda creciente, se necesitará más minería y los investigadores están buscando formas de reducir el impacto ambiental de estas operaciones de extracción de recursos. La IA tiene el potencial de mejorar los métodos actuales de extracción de mineral o incluso reemplazar estos métodos con técnicas más sostenibles.

Según IEEE Spectrum, KoBold Metals tiene un nuevo proyecto de IA que apunta a detectar depósitos de mineral en áreas donde la extracción del mineral causaría un daño relativamente menor en comparación con los métodos actuales de extracción de recursos. Kobold explicó que los modelos de IA que están desarrollando podrían reducir drásticamente la necesidad de misiones de exploración mineral invasivas y costosas, que normalmente requieren muchas exploraciones y escaneos para encontrar materiales raros. Según KoBold, la mayoría de los materiales de fácil acceso ya han sido encontrados, aunque se necesitarán nuevos depósitos minerales para cambiar el sistema energético actual.

KoBold está trabajando junto con el Centro de Predicción de Recursos Terrestres de Stanford para desarrollar un agente de IA que pueda hacer recomendaciones sobre dónde encontrar ciertos minerales. La startup quiere una IA capaz de recomendar áreas que pueden contener depósitos de litio, cobre, cobalto, níquel y otros minerales.

Un profesor de ciencias geológicas de Stanford, Jef Caers, explicó que el concepto detrás de la IA es que ayudará a los geólogos a evaluar múltiples sitios para depósitos minerales potenciales y agilizar el proceso de toma de decisiones. Según Caers, el modelo de IA opera como un automóvil autónomo en el sentido de que el modelo recopila y actúa sobre los datos recopilados del entorno circundante.

A medida que la sociedad se aleja de los automóviles impulsados por combustible fósil hacia los automóviles impulsados por baterías, con el objetivo de reducir las emisiones totales de gases de efecto invernadero, se necesitará más capacidad de batería. Según un artículo publicado en la revista Nature el pasado diciembre, podría haber más de 2.000 millones de vehículos eléctricos en la carretera para 2050, lo que requiere alrededor de 12 teravatios-horas de capacidad de batería anual, lo que es aproximadamente diez veces la capacidad actual de los Estados Unidos.

El enfoque de descubrimiento de minerales impulsado por IA de Kobold está respaldado por una plataforma de datos que almacena información sobre posibles sitios de minería tomados de una variedad de fuentes. Las muestras de suelo, los informes de perforación y la imagen de satélite se recopilan y se utilizan como características para el modelo de IA, que hace predicciones sobre la ubicación de depósitos de mineral altamente concentrados. Se espera que el modelo de IA haga predicciones precisas sobre qué sitios deben ser minados, las predicciones llegan mucho más rápido que las hechas por un analista humano.

Mientras Kobold diseña modelos de IA para encontrar más minerales para baterías, los investigadores de IBM están tratando de encontrar materiales que puedan reemplazar los ingredientes comunes de la batería como el litio y el cobalto. Los investigadores de IBM están empleando modelos de IA para identificar disolventes que podrían superar a las baterías de iones de litio actuales. Este proyecto de IA de IBM se centra en materiales existentes y disponibles actualmente, pero un proyecto diferente de IBM apunta a sintetizar nuevas moléculas que puedan reemplazar los materiales comunes de la batería.

El equipo de investigación de IBM empleó modelos generativos para comprender la estructura molecular, el punto de fusión, la viscosidad y otros atributos de los materiales existentes. Capacitar un modelo generativo en este tipo de características permite a los investigadores generar moléculas con propiedades similares.

IBM ya ha utilizado su sistema de IA para ingenierizar nuevas moléculas llamadas “generadores de fotoácidos”. Estos generadores de fotoácidos podrían ayudar a los ingenieros a desarrollar chips de computadora utilizando materiales y técnicas más respetuosos con el medio ambiente. El equipo de investigación de IBM tiene como objetivo hacer lo mismo para la tecnología de baterías.