Model AI Digunakan untuk Menemukan Deposit Bahan Baterai dan Mengidentifikasi Penggantian

Peneliti AI sedang dalam proses mengembangkan model AI untuk mengurangi dampak lingkungan yang terkait dengan ekstraksi bahan yang digunakan dalam baterai. Startup eksplorasi pertambangan Kobold mengembangkan model AI yang dapat mendeteksi bahan yang digunakan dalam pembuatan baterai di tanah. Sementara itu, tim peneliti dari IBM menggunakan algoritma AI untuk menentukan bahan alternatif mana yang dapat digunakan untuk membuat baterai.

Permintaan bahan untuk membuat baterai meningkat seiring waktu karena lebih banyak objek yang ditenagai oleh listrik. Untuk memenuhi permintaan yang meningkat ini, lebih banyak penambangan harus dilakukan dan peneliti mencari cara untuk mengurangi dampak lingkungan dari operasi ekstraksi sumber daya ini. AI memiliki potensi untuk meningkatkan metode ekstraksi bijih saat ini atau bahkan menggantikan metode ini dengan teknik yang lebih berkelanjutan.

Menurut IEEE Spectrum, KoBold Metals’ proyek AI baru bertujuan untuk mendeteksi deposit bijih di daerah di mana ekstraksi bijih akan melakukan kerusakan yang relatif minor dibandingkan dengan metode ekstraksi sumber daya saat ini. Kobold menjelaskan bahwa model AI yang mereka kembangkan dapat secara dramatis mengurangi kebutuhan untuk misi eksplorasi mineral yang invasif dan mahal, yang biasanya memerlukan banyak eksplorasi dan pemindaian untuk menemukan bahan langka. Menurut KoBold, sebagian besar bahan yang mudah diakses telah ditemukan, meskipun deposit mineral baru akan diperlukan untuk mengubah sistem energi saat ini.

KoBold bekerja sama dengan Pusat Peramalan Sumber Daya Bumi Stanford untuk mengembangkan agen AI yang dapat membuat rekomendasi untuk menemukan mineral tertentu. Startup ingin AI yang dapat merekomendasikan daerah yang mungkin mengandung deposit litium, tembaga, kobalt, nikel, dan mineral lainnya.

Seorang profesor ilmu geologi di Stanford, Jef Caers, menjelaskan bahwa konsep di balik AI adalah bahwa itu akan membantu ahli geologi mengevaluasi beberapa situs untuk deposit mineral potensial dan mempercepat proses pengambilan keputusan. Menurut Caers, model AI beroperasi seperti mobil self-driving dalam arti bahwa model tersebut mengumpulkan dan bertindak pada data yang dikumpulkan dari lingkungan sekitar.

Ketika masyarakat beralih dari mobil bertenaga bahan bakar fosil ke mobil bertenaga baterai, dengan tujuan mengurangi emisi gas rumah kaca secara keseluruhan, lebih banyak kapasitas baterai akan diperlukan. Menurut sebuah makalah yang diterbitkan di jurnal Nature bulan Desember lalu, ada kemungkinan lebih dari 2 miliar kendaraan listrik di jalan pada tahun 2050, yang memerlukan sekitar 12 terawatt-jam kapasitas baterai per tahun, yang kira-kira sepuluh kali lipat dari kapasitas yang ada saat ini di AS.

Pendekatan penemuan mineral AI-driven Kobold didukung oleh platform data yang menyimpan informasi tentang situs penambangan potensial yang diambil dari berbagai sumber. Sampel tanah, laporan pengeboran, dan citra satelit dikumpulkan dan digunakan sebagai fitur untuk model AI, yang membuat prediksi tentang lokasi deposit bijih yang terkonsentrasi tinggi. Diharapkan model AI akan membuat prediksi yang akurat tentang situs mana yang harus ditambang, prediksi yang datang jauh lebih cepat daripada yang dibuat oleh analis manusia.

Sementara Kobold merancang model AI untuk menemukan lebih banyak mineral untuk baterai, peneliti dari IBM mencoba menemukan bahan yang dapat menggantikan bahan baterai umum seperti litium dan kobalt. Peneliti IBM menggunakan model AI untuk mengidentifikasi pelarut yang dapat mengungguli baterai ion litium saat ini. Proyek AI IBM ini berfokus pada bahan yang ada dan tersedia saat ini, tetapi proyek IBM lainnya bertujuan untuk mensintesis molekul baru yang dapat menggantikan bahan baterai umum.

Tim peneliti IBM menggunakan model generatif untuk memahami struktur molekul, titik leleh, viskositas, dan atribut lain dari bahan yang ada. Melatih model generatif pada fitur-fitur ini memungkinkan peneliti untuk menghasilkan molekul dengan sifat yang serupa.

IBM telah menggunakan sistem AI mereka untuk merancang molekul baru yang disebut “photoacid generators”. Photoacid generators ini dapat membantu insinyur mengembangkan chip komputer menggunakan bahan dan teknik yang lebih ramah lingkungan. Tim peneliti IBM bertujuan untuk melakukan hal yang sama untuk teknologi baterai.