AI modeļi, ko izmanto, lai atrastu akumulatoru materiālu nogulsnes un noteiktu nomaiņas

AI pētnieki pašlaik izstrādā AI modeļus, lai samazinātu ietekmi uz vidi, kas saistīta ar baterijās izmantoto materiālu ieguvi. Kalnrūpniecības izpētes uzņēmums Kobold izstrādā mākslīgā intelekta modeli, kas spēj noteikt materiālus, kas izmantoti akumulatoru radīšanā zemē. Tikmēr IBM pētnieku komanda izmanto AI algoritmus, lai noteiktu, kurus alternatīvos materiālus varētu izmantot akumulatoru radīšanai.

Pieprasījums pēc materiāliem akumulatoru radīšanai visu laiku pieaug, jo arvien vairāk objektu tiek darbināti ar elektrību. Lai apmierinātu šo pieaugošo pieprasījumu, būs jāveic vairāk ieguves, un pētnieki meklē veidus, kā samazināt šo resursu ieguves darbību ietekmi uz vidi. AI var uzlabot pašreizējās rūdas ieguves metodes vai pat aizstāt šīs metodes ar ilgtspējīgākām metodēm.

Saskaņā ar IEEE spektru, KoBold metāliJaunā mākslīgā intelekta projekta mērķis ir atklāt rūdas atradnes apgabalos, kur rūdas ieguve radītu salīdzinoši nelielus bojājumus, salīdzinot ar pašreizējām resursu ieguves metodēm. Kobolds paskaidroja, ka mākslīgā intelekta modeļi, ko viņi izstrādā, var ievērojami samazināt vajadzību pēc invazīvām, dārgām minerālu izpētes misijām, kas parasti prasa daudzus izpēti un skenēšanu, lai atrastu retus materiālus. Kā norāda KoBold, lielākā daļa viegli pieejamo materiālu jau ir atrasti, lai gan, lai mainītu pašreizējo energosistēmu, būs nepieciešamas jaunas derīgo izrakteņu atradnes.

KoBold strādā kopā ar Stenfordas Zemes resursu prognozēšanas centru, lai izstrādātu AI aģentu, kas var sniegt ieteikumus, kur atrast noteiktus minerālus. Startup vēlas AI, kas spēj ieteikt apgabalus, kuros var būt litija vara, kobalta, niķeļa un citu minerālu nogulsnes.

Stenfordas ģeoloģijas zinātņu profesors Džefs Kārs paskaidroja, ka mākslīgā intelekta koncepcija ir tāda, ka tas palīdzēs ģeologiem novērtēt vairākas iespējamās derīgo izrakteņu atradņu vietas un paātrināt lēmumu pieņemšanas procesu. Pēc Caers teiktā, AI modelis darbojas kā pašbraucoša automašīna tādā nozīmē, ka modelis gan apkopo datus, kas savākti no apkārtējās vides, un darbojas uz tiem.

Sabiedrībai pārejot no automobiļiem, kas darbināmi ar fosilo kurināmo, uz automašīnām, kas darbināmas ar akumulatoru, lai samazinātu kopējo siltumnīcefekta gāzu emisiju, būs nepieciešama lielāka akumulatora jauda. Saskaņā ar rakstu, kas publicēts žurnālā Nature pagājušajā decembrī, līdz 2. gadam uz ceļiem varētu būt vairāk nekā 2050 miljardi elektrisko transportlīdzekļu, kam būs nepieciešamas aptuveni 12 teravatstundas ikgadējas akumulatora jaudas, kas ir aptuveni desmit reizes lielāka par pašreizējo ASV jaudu.

Kobold AI vadīto derīgo izrakteņu atklāšanas pieeju atbalsta datu platforma, kas glabā informāciju par potenciālajām ieguves vietām, kas iegūta no dažādiem avotiem. Augsnes paraugi, urbšanas ziņojumi un satelītattēli tiek savākti un izmantoti kā AI modeļa līdzekļi, kas ļauj prognozēt ļoti koncentrētu rūdas atradņu atrašanās vietas. Cerams, ka mākslīgā intelekta modelis sniegs precīzas prognozes par to, kuras vietas vajadzētu iegūt, un prognozes būs daudz ātrākas nekā cilvēku analītiķa prognozes.

Kamēr Kobolds izstrādā mākslīgā intelekta modeļus, lai atrastu vairāk minerālvielu akumulatoriem, IBM pētnieki cenšas atrast materiālus, kas var aizstāt parastās akumulatoru sastāvdaļas, piemēram, litiju un kobaltu. IBM pētnieki izmanto AI modeļus, lai identificētu šķīdinātājus, kas varētu pārspēt pašreizējās litija jonu baterijas. Šis IBM AI projekts koncentrējas uz pašlaik esošiem un pašlaik pieejamiem materiāliem, bet uz citu IBM projektu mērķis ir sintezēt jaunas molekulas kas var aizstāt parastos akumulatoru materiālus.

IBM pētniecības grupa izmantoja ģeneratīvus modeļus, lai izprastu esošo materiālu molekulāro struktūru, kušanas temperatūru, viskozitāti un citus atribūtus. Šāda veida funkciju ģeneratīvā modeļa apmācība ļauj pētniekiem ģenerēt molekulas ar līdzīgām īpašībām.

IBM jau ir izmantojis savu AI sistēmu, lai izstrādātu jaunas molekulas, kas nodēvētas par "fotoskābju ģeneratoriem". Šie fotoskābes ģeneratori varētu palīdzēt inženieriem izstrādāt datoru mikroshēmas, izmantojot videi draudzīgākus materiālus un metodes. IBM pētniecības grupas mērķis ir darīt to pašu attiecībā uz akumulatoru tehnoloģiju.