バッテリー材料の堆積を探索し、代替材料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軽減するために、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、バッテリーの作成に使用される材料を地中で検出できるAIモデルを開発しています。一方、IBMの研究チームは、バッテリーの作成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必要になり、研究者はこれらの資源抽出作業の環境への影響を軽減する方法を探しています。AIは、現在の方法を改善したり、より持続可能な方法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堆積を検出することを目的としています。Koboldは、開発中のAIモデルが、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。これらのミッションでは、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、新しい鉱物堆積は現在のエネルギーシステムを変えるために必要です。

KoBoldは、スタンフォード大学の地球資源予測センターと協力して、特定の鉱物を含む可能性のある地域を推奨する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堆積を含む地域を推奨するAIを望んでいます。

スタンフォード大学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に基づいて行動します。

社会が化石燃料駆動の車からバッテリー駆動の車への移行を進めるにつれて、全体的な温室効果ガス排出量を削減するために、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年までに世界には20億台の電気自動車が存在し、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のポテンシャルのある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モデルが高濃度のオーレ堆積の場所について予測を行うための特徴として使用されます。AIモデルは、人間の分析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がバッテリー用の鉱物を探すAIモデルを設計している一方、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材料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に代わ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。これらの特性に基づいて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、写真酸生成器と命名しました。これらの写真酸生成器は、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、バッテリーテクノロジーにも同様のことを行おうとしています。