Tekoälymallit käytetään paristomateriaalien esiintymien löytämiseen ja korvaajien tunnistamiseen

Tekoälytutkijat kehittävät tekoälymallia vähentämään ympäristövaikutuksia, jotka liittyvät paristoihin käytettävien materiaalien kaivamiseen. Kaivoskartoitussäätiö Kobold kehittää tekoälymallia, joka pystyy havaitsemaan paristojen valmistukseen käytettäviä materiaaleja maassa. Samaan aikaan IBM:n tutkijaryhmä käyttää tekoälyalgoritmeja määrittämään, mitkä vaihtoehtoiset materiaalit voivat olla käytettävissä paristojen valmistukseen.

Paristojen valmistukseen tarvittavien materiaalien kysyntä kasvaa jatkuvasti, kun yhä useammat esineet toimivat sähkön voimalla. Tätä kasvavaa kysyntää tyydyttääkseen on tehtävä enemmän kaivostoimintaa, ja tutkijat etsivät keinoja vähentääksesi näiden raaka-aineiden kaivuun ympäristövaikutuksia. Tekoälyllä on potentiaalia parantaa nykyisiä malmin kaivamismenetelmiä tai korvata ne kestävemmillä menetelmillä.

IEEE Spectrumin mukaan, KoBold Metalsin uusi tekoälyprojekti pyrkii havaitsemaan malmiesiintymiä 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 mineraalikartoitustehtäville, jotka yleensä vaativat useita tutkimuksia ja skannauksia harvinaisten materiaalien löytämiseksi. KoBoldin mukaan suurin osa helposti saatavissa olevista materiaaleista on jo löydetty, vaikka uusia mineraaliesiintymiä tarvitaan nykyisen energiapääoman muuttamiseksi.

KoBold työskentelee yhteistyössä Stanfordin yliopiston Maanvarojen ennustamisen keskuksen kanssa kehittääkseen tekoälyagentin, joka voi antaa suosituksia siitä, mistä tiettyjä mineraaleja voisi löytää. Startup-yritys haluaa tekoälyjärjestelmän, joka voi suositella alueita, joilla saattaa olla esiintymiä litiumista, kuparista, koboltilta, nikkeliä ja muita mineraaleja.

Stanfordin yliopiston geotieteiden professori Jef Caers selitti, että tekoälyn taustalla oleva idea on, että se auttaa geologeja arvioimaan useita sijainteja mahdollisten mineraaliesiintymien osalta ja nopeuttaa päätöksentekoprosessia. Caersin mukaan tekoälymalli toimii kuin itseajava auto siinä mielessä, että malli sekä kerää että toimii keräämästään datasta ympäröivästä ympäristöstä.

Kun yhteiskunta siirtyy fossiilisten polttoaineiden käytöstä akkukäyttöisiin autoihin vähentääkseen kasvihuonekaasupäästöjä, tarvitaan enemmän akkukapasiteettia. Nature-lehden julkaiseman tutkimuksen mukaan vuonna 2050 tiellä saattaa olla yli 2 miljardia sähköautoa, mikä vaatii noin 12 terawattituntia vuosittaisen akkukapasiteetin, mikä on noin kymmenen kertaa enemmän kuin Yhdysvaltain nykyinen kapasiteetti.

Koboldin tekoälypohjainen mineraalilöytömenetelmä perustuu tietokantapohjaiseen alustaan, joka sisältää tietoa mahdollisista kaivoskohteista eri lähteistä. Maanäytteet, porausraportit ja satelliittikuvat kerätään ja käytetään tekoälymallin ominaisuuksina, joka tekee ennusteita tiheästi pitoisten malmiesiintymien sijainnista. Toivotaan, että tekoälymalli tekee tarkat ennusteet siitä, mitkä kohteet tulisi kaivaa, ja ennusteet tulevat paljon nopeammin kuin mitä ihmisanalyytikko voisi tehdä.

Kun Kobold suunnittelee tekoälymallia löytämään enemmän mineraaleja akkuja varten, IBM:n tutkijat yrittävät löytää materiaaleja, jotka voivat korvata yleisiä akkuparistojen ainesosia, kuten litiumia ja kobolttia. IBM:n tutkijaryhmä käyttää tekoälymallia määrittämään liuottimia, jotka voivat suorittaa paremmin kuin nykyiset litium-ioniakut. Tämä IBM:n tekoälyprojekti keskittyy olemassa oleviin ja saatavilla oleviin materiaaleihin, mutta toinen IBM-projekti pyrkii syntetisoimaan uusia molekyylejä, jotka voivat korvata yleisiä akkuparistojen materiaaleja.

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

IBM on jo käyttänyt tekoälyjärjestelmäänsä suunnitellakseen uusia molekyylejä, joita kutsutaan “valokäyttöisiksi happogeneraattoreiksi”. Nämä valokäyttöiset happogeneraattorit voivat auttaa insinöörejä kehittämään tietokoneen prosessorit käyttäen ympäristöystävällisempiä materiaaleja ja menetelmiä. IBM:n tutkijaryhmä aikoo tehdä saman akkuteknologian kehittämiseksi.