AI-modeller brukes til å finne avleiringer av batterimaterialer og identifisere erstatninger

AI-forskere er i ferd med å utvikle AI-modeller for å redusere de miljømessige konsekvensene forbundet med utvinning av materialer brukt i batterier. Mining-utforskningsstartuppen Kobold utvikler en AI-modell som kan detektere materialer brukt i produksjonen av batterier i bakken. Samtidig bruker et team av forskere fra IBM AI-algoritmer til å bestemme hvilke alternative materialer som kan brukes til å lage batterier.

Etterspørselen etter materialer for å lage batterier øker hele tiden, ettersom flere og flere gjenstander blir drevet av elektrisitet. For å møte denne økende etterspørselen, må det utføres mer bergverksdrift, og forskerne søker etter måter å redusere de miljømessige konsekvensene av disse ressursutvinningsoperasjonene. AI har potensialet til å forbedre gjeldende metoder for utvinning av malm eller selv erstatte disse metodene med teknikker som er mer bærekraftige.

Ifølge IEEE Spectrum, KoBold Metals’ nye AI-prosjekt har som mål å detektere malmforekomster i områder hvor utvinning av malmen ville føre til relativt mindre skade, sammenlignet med gjeldende ressursutvinningsmetoder. Kobold forklarte at AI-modellene de utvikler, kan dramatisk redusere behovet for invasiv, dyrek mineralutforskningsoppdrag, som vanligvis krever mange utforsknings- og skanningsoppdrag for å finne sjeldne materialer. Ifølge KoBold, er de fleste lett tilgjengelige materialene allerede funnet, selv om nye mineralforekomster vil være nødvendige for å endre det gjeldende energisystemet.

KoBold samarbeider med Stanfords Center for Earth Resource Forecasting for å utvikle en AI-agent som kan gi anbefalinger for hvor man kan finne bestemte mineraler. Startuppen ønsker en AI som kan anbefale områder som kan inneholde forekomster av litium, kobber, kobolt, nikkel og andre mineraler.

En professor i geologiske vitenskaper ved Stanford, Jef Caers, forklarte at konseptet bak AI-en er at den skal hjelpe geologer med å evaluere flere steder for potensielle mineralforekomster og raske opp beslutningsprosessen. Ifølge Caers, fungerer AI-modellen som en selvstyrt bil, i og med at modellen både samler inn og handler på data samlet inn fra omgivelsene.

Ettersom samfunnet går over fra fossilt drevne biler til batteridrevne biler, med mål om å redusere de totale klimagassutslippene, vil det være behov for mer batterikapasitet. Ifølge en artikkel publisert i tidsskriftet Nature i desember, kan det være over 2 milliarder elektriske kjøretøy på veien innen 2050, som vil kreve rundt 12 terawatt-timers årlig batterikapasitet, som er omtrent ti ganger den nåværende kapasiteten i USA.

Kobolds AI-drevne mineralutforskningsmetode støttes av en dataplatform som lagrer informasjon om potensielle gruveområder hentet fra en rekke kilder. Jordprøver, borerapporter og satellittbilder samles inn og brukes som egenskaper for AI-modellen, som gjør prediksjoner om plasseringen av høyt konsentrerte malmforekomster. Det håpes at AI-modellen vil kunne gi nøyaktige prediksjoner om hvilke steder som bør utvinnes, og at disse prediksjonene kommer mye raskere enn de som gjøres av en menneskelig analytiker.

Mens Kobold designer AI-modeller for å finne flere mineraler til batterier, prøver forskere fra IBM å finne materialer som kan erstatte vanlige batterikomponenter som litium og kobolt. IBM-forskerne bruker AI-modeller til å identifisere løsemidler som kan overgå gjeldende litium-ionbatterier. Dette IBM-prosjektet fokuserer på eksisterende og tilgjengelige materialer, men et annet IBM-prosjekt har som mål å syntetisere nye molekyler som kan erstatte vanlige batterimaterialer.

IBM-forskingsteamet brukte generative modeller til å forstå den molekylære strukturen, smeltepunktet, viskositeten og andre egenskaper hos eksisterende materialer. Trening av en generativ modell på disse typene egenskaper gjør det mulig for forskerne å generere molekyler med lignende egenskaper.

IBM har allerede brukt sitt AI-system til å konstruere nye molekyler kalt “foto-syre-generatore”. Disse foto-syre-generatorene kan hjelpe ingeniører med å utvikle datamaskin-chipper som bruker mer miljøvennlige materialer og teknikker. IBM-forskingsteamet har som mål å gjøre det samme for batteriteknologi.