バッテリー材料の埋蔵量を見つけて代替品を特定するために使用されるAIモデル

AI研究者は、バッテリーに使用される材料の抽出に関連する環境への影響を減らすために、AIモデルを開発中です。マイニング探査スタートアップのKoboldは、地中でバッテリーの作成に使用される材料を検出できるAIモデルを開発しています。一方、IBMの研究者チームは、バッテリーを作成するために使用される代替材料を決定するためにAIアルゴリズムを使用しています。

バッテリーを作成する材料の需要は、電気で動作する物体が増えるにつれて、常に増加しています。この需要を満たすために、より多くのマイニングが行われる必要があり、研究者はこれらの資源抽出作業の環境への影響を減らす方法を探しています。AIは、オーレの抽出方法を改善したり、より持続可能な技術に置き換えたりする可能性があります。

IEEE Spectrumによると、KoBold Metalsの新しいAIプロジェクトは、オーレの抽出が比較的少ない被害を与える地域でオーレの埋蔵量を検出することを目的としています。Koboldは、開発中のAIモデルは、侵入性が高く、高価な鉱物探査ミッションの必要性を大幅に減らすことができると説明しています。通常、希少な材料を見つけるために多くの探査とスキャンが必要です。KoBoldによると、容易にアクセスできる材料のほとんどはすでに発見されており、現在のエネルギーシステムを変更するには新しい鉱物埋蔵量が必要です。

KoBoldは、スタンフォードの地球資源予測センターと協力して、特定の鉱物を見つけるための推奨事項を出すことができるAIエージェントを開発しています。スタートアップは、リチウム、コバルト、ニッケルなどの鉱物の埋蔵量が見つかる可能性のある地域を推奨することができるAIを望んでいます。

スタンフォードの地質科学教授であるJef Caersは、AIの概念は、地質学者が複数のサイトを評価し、意思決定プロセスを迅速化するのに役立つというものであると説明しています。Caersによると、AIモデルは、自律走行車のように動作し、周囲の環境から収集されたデータを収集し、行動します。

社会が化石燃料を動力源とする車からバッテリーを動力源とする車に移行し、全体的な温室効果ガスの排出量を減らすにつれて、より多くのバッテリー容量が必要になります。Nature誌に掲載された論文によると、2050年までに、約2億台の電気自動車が道路上を走行し、約12テラワット時の年間バッテリー容量が必要になる可能性があります。これは、現在の米国の容量の約10倍です。

KoboldのAI駆動の鉱物発見アプローチは、さまざまなソースから取得した潜在的なマイニングサイトに関する情報を格納するデータプラットフォームによってサポートされています。土壌サンプル、ボーリングレポート、衛星画像が収集され、AIモデルに特徴として使用され、濃度の高いオーレの埋蔵量の場所について予測を行います。AIモデルが人間のアナリストよりもはるかに速く、どのサイトを採掘するべきかについて正確な予測を行うことが期待されています。

Koboldがバッテリーの材料を見つけるためにAIモデルを設計している一方で、IBMの研究者は、リチウムやコバルトなどの一般的なバッテリー材料の代替品を見つけようとしています。IBMの研究者は、現在のリチウムイオンバッテリーを上回る溶媒を見つけるためにAIモデルを使用しています。このIBMのAIプロジェクトは、現在存在し、利用可能な材料に焦点を当てていますが、別のIBMプロジェクトは、一般的なバッテリー材料の代替品となる新しい分子を合成することを目的としています。

IBMの研究チームは、既存の材料の分子構造、融点、粘度、その他の特性を理解するために生成モデルを使用しました。これらの種類の特性に生成モデルをトレーニングすることで、研究者は同等の特性を持つ分子を生成できます。

IBMはすでにAIシステムを使用して、新しい分子を設計しました。これらの分子は「光酸生成剤」と呼ばれ、エンジニアがより環境に優しい材料と技術を使用してコンピュータチップを開発するのを支援できます。IBMの研究チームは、バッテリー技術にも同様のことを行うことを目的としています。