인공 지능

배터리 재료의 침전물을 찾고 교체품을 식별하는 데 사용되는 AI 모델

업데이트 on 2022 년 12 월 9 일

AI 연구원들은 배터리에 사용되는 물질 추출과 관련된 환경적 영향을 줄이기 위해 AI 모델을 개발하는 과정에 있다. 광산 탐사 스타트업 코볼드는 지하에서 배터리 생성에 사용되는 물질을 감지할 수 있는 AI 모델을 개발하고 있다. 한편, IBM의 연구팀은 AI 알고리즘을 활용하여 배터리를 만드는 데 사용할 수 있는 대체 재료를 결정하고 있습니다.

점점 더 많은 물체가 전기로 구동됨에 따라 배터리를 만드는 재료에 대한 수요가 항상 증가하고 있습니다. 이렇게 증가한 수요를 충족하려면 더 많은 채굴이 이루어져야 하며 연구자들은 이러한 자원 추출 작업의 환경적 영향을 줄이는 방법을 찾고 있습니다. AI는 현재의 광석 추출 방법을 개선하거나 이러한 방법을 보다 지속 가능한 기술로 대체할 수 있는 잠재력을 가지고 있습니다.

IEEE 스펙트럼에 따르면, 코볼드 메탈'의 새로운 AI 프로젝트는 광석을 추출해도 현재의 자원 추출 방법에 비해 상대적으로 피해가 적은 지역에서 광상을 감지하는 것을 목표로 합니다. Kobold는 개발 중인 AI 모델이 일반적으로 희귀 물질을 찾기 위해 많은 탐사와 스캔이 필요한 침습적이고 값비싼 광물 탐사 임무의 필요성을 크게 줄일 수 있다고 설명했습니다. KoBold에 따르면 현재 에너지 시스템을 변경하려면 새로운 광상이 필요하지만 쉽게 접근할 수 있는 재료의 대부분은 이미 발견되었습니다.

KoBold는 특정 광물을 찾을 수 있는 위치를 추천할 수 있는 AI 에이전트를 개발하기 위해 스탠포드의 지구 자원 예측 센터와 협력하고 있습니다. 스타트업은 리튬 구리, 코발트, 니켈 및 기타 광물이 매장된 지역을 추천할 수 있는 AI를 원합니다.

제프 카어스(Jef Caers) 스탠퍼드대 지질과학과 교수는 AI의 기본 개념은 지질학자들이 잠재적인 광물 퇴적물이 있는 여러 장소를 평가하고 의사결정 과정을 촉진하는 데 도움이 될 것이라고 설명했다. Caers에 따르면 AI 모델은 모델이 주변 환경에서 수집한 데이터를 수집하고 이에 따라 행동한다는 점에서 자율 주행 자동차처럼 작동합니다.

사회가 화석 연료 자동차에서 배터리 구동 자동차로 전환함에 따라 전반적인 온실 가스 배출량을 줄이기 위해 더 많은 배터리 용량이 필요합니다. 네이처 저널에 실린 논문에 따르면 지난 XNUMX월, 2년까지 2050억 대 이상의 전기 자동차가 도로를 달릴 수 있으며 연간 배터리 용량이 약 12테라와트시 필요하며 이는 현재 미국의 기존 용량의 약 XNUMX배입니다.

Kobold의 AI 기반 광물 발견 접근 방식은 다양한 소스에서 가져온 잠재적인 채굴 사이트에 대한 정보를 저장하는 데이터 플랫폼에 의해 지원됩니다. 토양 샘플, 시추 보고서 및 위성 이미지를 수집하여 고농축 광상 위치를 예측하는 AI 모델의 기능으로 사용합니다. AI 모델이 어떤 사이트를 채굴해야 하는지에 대해 정확한 예측을 할 수 있기를 바랍니다. 예측은 인간 분석가가 하는 것보다 훨씬 빠릅니다.

Kobold가 배터리용 더 많은 광물을 찾기 위해 AI 모델을 설계하는 동안 IBM의 연구원들은 리튬 및 코발트와 같은 일반적인 배터리 성분을 대체할 수 있는 재료를 찾으려고 노력하고 있습니다. IBM 연구원들은 현재 리튬 이온 배터리를 능가할 수 있는 용매를 식별하기 위해 AI 모델을 사용하고 있습니다. 이 IBM AI 프로젝트는 현재 존재하고 현재 사용 가능한 자료에 초점을 맞추고 있지만 다른 IBM 프로젝트 새로운 분자를 합성하는 것을 목표로 함 일반적인 배터리 재료를 대체할 수 있습니다.

IBM 연구팀은 기존 재료의 분자 구조, 녹는점, 점도 및 기타 속성을 이해하기 위해 생성 모델을 사용했습니다. 이러한 유형의 기능에 대한 생성 모델을 교육하면 연구원이 유사한 특성을 가진 분자를 생성할 수 있습니다.

IBM은 이미 AI 시스템을 사용하여 "광산 생성기"라는 새로운 분자를 설계했습니다. 이러한 광산 발생기는 보다 환경 친화적인 재료와 기술을 사용하여 컴퓨터 칩을 개발하는 엔지니어를 지원할 수 있습니다. IBM 연구팀은 배터리 기술에 대해서도 동일한 작업을 수행하는 것을 목표로 합니다.