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 sedang 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 yang dapat digunakan untuk membuat baterai.

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

Menurut IEEE Spectrum, KoBold Metals memiliki proyek AI baru yang bertujuan untuk mendeteksi deposit ore di daerah-daerah di mana ekstraksi ore akan menyebabkan 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 ini ingin memiliki AI yang dapat merekomendasikan daerah-daerah yang mungkin mengandung deposit lithium, tembaga, kobalt, nikel, dan mineral lainnya.

Seorang profesor ilmu pengetahuan geologi di Stanford, Jef Caers, menjelaskan bahwa konsep di balik AI adalah untuk 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 berdasarkan data yang dikumpulkan dari lingkungan sekitar.

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

Pendekatan penemuan mineral yang digerakkan oleh AI dari Kobold didukung oleh platform data yang menyimpan informasi tentang situs pertambangan 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 ore yang terkonsentrasi tinggi. Diharapkan bahwa model AI akan membuat prediksi yang akurat tentang situs mana yang harus ditambang, dengan 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 lithium dan kobalt. Peneliti IBM menggunakan model AI untuk mengidentifikasi pelarut yang dapat mengungguli baterai lithium-ion 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 tersebut memungkinkan peneliti untuk menghasilkan molekul dengan sifat yang serupa.

IBM telah menggunakan sistem AI mereka untuk merancang molekul baru yang disebut “pembangkit asam foto”. Pembangkit asam foto 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.