Tekoälymallit käytetään paristomateriaalien löytämiseen ja korvaamiseen

Teckoälytutkijat kehittävät tekoälymallia, jolla voidaan vähentää paristojen valmistuksessa käytettävien materiaalien kaivauksesta aiheutuvia ympäristöhaittoja. Kaivosteollisuuden startup-yritys Kobold kehittää tekoälymallia, joka pystyy havaitsemaan maassa olevia paristojen valmistukseen käytettäviä materiaaleja. Samaan aikaan IBM:n tutkijaryhmä käyttää tekoälyalgoritmeja määrittämään, mitkä vaihtoehtoiset materiaalit voivat korvata paristojen yleisiä aineksia.

Paristojen valmistukseen käytettävien materiaalien kysyntä kasvaa jatkuvasti, koska yhä useammat esineet toimivat sähköllä. Tämän kasvavan kysynnän tyydyttämiseksi on tehtävä enemmän kaivauksia, ja tutkijat etsivät keinoja vähentää näiden raaka-aineiden kaivauksesta aiheutuvia ympäristöhaittoja. Tekoälyllä on potentiaalia parantaa nykyisiä malmin kaivamismenetelmiä tai jopa korvata ne kestävemmällä tekniikalla.

IEEE Spectrumin mukaan KoBold Metalsin uusi tekoälyprojekti pyrkii havaitsemaan malmitasoja alueilla, joissa malmin kaivaminen aiheuttaisi verrattain vähän vahinkoa verrattuna nykyisiin raaka-aineiden kaivamismenetelmiin. Kobold selitti, että heidän kehittämänsä tekoälymalli voi dramaattisesti vähentää tarvetta invasiivisille ja kalliille mineraalikaivoksille, jotka yleensä vaativat useita tutkimuksia ja skannauksia harvinaisten materiaalien löytämiseksi. KoBoldin mukaan suurin osa helposti saatavista materiaaleista on jo löydetty, vaikka uusia mineraaliesiintymiä tarvitaan nykyisen energajärjestelmän muuttamiseksi.

KoBold työskentelee yhteistyössä Stanfordin Maanvarojen ennustemisen keskuksen kanssa kehittääkseen tekoälyagentin, joka voi antaa suosituksia siitä, missä tietyt mineraalit voivat olla. Startup haluaa tekoälyjärjestelmän, joka voi suositella alueita, joilla voi olla lithiumin, kuparin, koboltin, nikkelin ja muiden mineraalien esiintymiä.

Stanfordin geotieteiden professori Jef Caers selitti, että tekoälykonseptin idea on auttaa geologeja arvioimaan useita kohteita mahdollisten mineraaliesiintymien löytämiseksi ja nopeuttaa päätöksentekoprosessia. Caersin mukaan tekoälymalli toimii kuin itseohjautuva auto siinä mielessä, että malli sekä kerää että toimii keräämästään ympäristön tietojen mukaan.

Yhteiskunta siirtyy fossiilisten polttoaineiden käytöstä sähkökäyttöisiin autoihin, jotta se voi vähentää kasvihuonekaasupäästöjä, ja tarvitaan enemmän paristokapasiteettia. Nature-lehden julkaiseman tutkimuksen mukaan vuoteen 2050 mennessä maailmassa voi olla yli 2 miljardia sähköautoa, mikä vaatii noin 12 terawattituntia vuosittaisen paristokapasiteetin, joka on noin kymmenen kertaa enemmän kuin Yhdysvalloissa nykyisin oleva kapasiteetti.

Koboldin tekoälyohjattu mineraalilöytömenetelmä perustuu tietokantaan, joka sisältää tietoa mahdollisista kaivoksista eri lähteistä. Maanäytteet, porausraportit ja satelliittikuvat kerätään ja käytetään tekoälymallin ominaisuuksina, joka tekee ennusteita tiheämmän malmin sijainnista. Toivotaan, että tekoälymalli tekee tarkan ennusteen siitä, mitkä kohteet tulisi kaivaa, ja ennusteet tulevat nopeammin kuin mitä ihmisanalyytikko voisi tehdä.

Samalla kun Kobold suunnittelee tekoälymallia mineraalien löytämiseksi, IBM:n tutkijat yrittävät löytää materiaaleja, jotka voivat korvata yleisiä paristojen aineksia, kuten litiumia ja kobolttia. IBM:n tutkijat käyttävät tekoälymallia solventtien tunnistamiseen, jotka voivat suorittaa paremmin kuin nykyiset litium-ioni-paristot. Tämä IBM:n tekoälyprojekti keskittyy olemassa oleviin ja saatavilla oleviin materiaaleihin, mutta toinen IBM:n projekti pyrkii syntetisoimaan uusia molekyylejä, jotka voivat korvata yleisiä paristomateriaaleja.

IBM:n tutkijaryhmä käytti generatiivisia malleja ymmärtääkseen olemassa olevien materiaalien molekyylistruktuuria, sulamispistettä, viskositeettia ja muita ominaisuuksia. Generatiivisen mallin kouluttaminen näiden ominaisuuksien kanssa mahdollistaa tutkijoiden luomisen molekyylejä, joilla on samanlaiset ominaisuudet.

IBM on jo käyttänyt tekoälyjärjestelmäänsä uusien molekyylien suunnittelemiseen, joita kutsutaan “valokäyttöisiksi happogeneraattoreiksi”. Nämä valokäyttöiset happogeneraattorit voivat auttaa insinöörejä kehittämään tietokoneen prosessoreita ympäristöystävällisemmällä tavalla. IBM:n tutkijaryhmä aikoo tehdä saman paristoteknologian kehittämiseksi.