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 som brukes i batterier. Mining-utforskningsstartuppen Kobold utvikler en AI-modell som kan detektere materialer som brukes i produksjon av batterier i bakken. I mellomtiden bruker et team av forskere fra IBM AI-algoritmer til å bestemme hvilke alternative materialer som kan brukes til å produsere batterier.

Etterspørselen etter materialer til å produsere batterier øker hele tiden, ettersom flere og flere gjenstander drives 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 ressursutvinningene. AI har potensialet til å forbedre nåværende metoder for utvinning av malm eller erstatte disse metodene med mer bærekraftige teknikker.

Ifølge IEEE Spectrum, KoBold Metals’ ny AI-prosjekt har som mål å detektere malmforekomster i områder der utvinning av malmen ville gjøre relativt mindre skade, sammenlignet med nåværende ressursutvinningmetoder. Kobold forklarte at AI-modellene de utvikler, kan dramatisk redusere behovet for invasiv, dyrt mineralutforsking, som vanligvis krever mange undersøkelser og skanninger for å finne sjeldne materialer. Ifølge KoBold, er de fleste lett tilgjengelige materialer allerede funnet, selv om nye mineralforekomster vil være nødvendige for å endre det nåværende energisystemet.

KoBold samarbeider med Stanfords Center for Earth Resource Forecasting for å utvikle en AI-agent som kan gi anbefalinger for hvor å 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 som er samlet inn fra omgivelsene.

Ettersom samfunnet går over fra fossilt brensel-drevne biler til batteridrevne biler, med mål om å redusere de totale klimagassutslippene, vil det være behov for mer batterikapasitet. Ifølge en artikkel som ble publisert i tidsskriftet Nature i desember i fjor, kan det være over 2 milliarder elektriske kjøretøy på veien innen 2050, som vil kreve rundt 12 terawatt-timer med 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 mining-steder hentet fra en rekke kilder. Jordprøver, bore-rapporter og satellittbilder samles inn og brukes som egenskaper for AI-modellen, som gjør forutsigelser om plasseringen av høykonsentrerte malmforekomster. Det håpes at AI-modellen vil gi nøyaktige forutsigelser om hvilke steder som bør utvinnes, og at disse forutsigelsene kommer mye raskere enn de som gjøres av en menneskelig analytiker.

Mens Kobold utvikler 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 nåværende litium-ionbatterier. Dette IBM AI-prosjektet fokuserer på nåværende og tilgjengelige materialer, men et annet IBM-prosjekt har som mål å syntetisere nye molekyler som kan erstatte vanlige batterimaterialer.

IBM-forskningsgruppen 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 utvikle nye molekyler som kalles “foto-syre-generatore”. Disse foto-syre-generatorene kan hjelpe ingeniører med å utvikle datamaskin-chip som bruker mer miljøvennlige materialer og teknikker. IBM-forskningsgruppen har som mål å gjøre det samme for batteriteknologi.