Modelos de IA utilizados para encontrar depósitos de materiales para baterías y 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 de la Tierra 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 combustibles fósiles hacia los automóviles impulsados por baterías, con el objetivo de reducir las emisiones de gases de efecto invernadero, se necesitará más capacidad de batería. Según un artículo publicado en la revista Nature en diciembre pasado, podría haber más de 2.000 millones de vehículos eléctricos en la carretera para 2050, lo que requeriría alrededor de 12 teravatios-hora 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 sitios de minería potenciales tomados de una variedad de fuentes. Se recopilan muestras de suelo, informes de perforación y imágenes de satélite, 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, y que estas predicciones se realicen mucho más rápido que las realizadas por un analista humano.

Mientras Kobold está diseñando 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 las baterías, 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 nuevos moléculas que puedan reemplazar los materiales comunes de las baterías.

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. Entrenar un modelo generativo en estas 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 fotoácido”. Estos generadores de fotoácido 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.