Modele AI wykorzystywane do wyszukiwania złóż materiałów akumulatorowych i identyfikacji ich zamienników

Badacze AI są w trakcie opracowywania modeli AI, aby zmniejszyć wpływ na środowisko związany z wydobyciem materiałów wykorzystywanych w akumulatorach. Firma start-upowa Kobold opracowuje model AI, który może wykryć materiały wykorzystywane w produkcji akumulatorów w ziemi. Tymczasem zespół badaczy z IBM wykorzystuje algorytmy AI do określenia, które materiały alternatywne mogą być wykorzystane do produkcji akumulatorów.

Popyt na materiały do produkcji akumulatorów ciągle rośnie, ponieważ coraz więcej obiektów jest zasilanych prądem elektrycznym. Aby zaspokoić ten wzrost popytu, konieczne będzie przeprowadzenie większej ilości wydobycia, a badacze szukają sposobów na zmniejszenie wpływu na środowisko tych operacji wydobywczych. AI ma potencjał, aby poprawić obecne metody wydobycia rudy lub nawet zastąpić te metody bardziej zrównoważonymi technikami.

Według IEEE Spectrum, KoBold Metals rozpoczęło nowy projekt AI, którego celem jest wykrycie złóż rudy w miejscach, w których wydobycie rudy spowodowałoby relatywnie niewielkie szkody w porównaniu z obecnymi metodami wydobywczymi. Kobold wyjaśnił, że modele AI, które są opracowywane, mogą dramatycznie zmniejszyć potrzebę inwazyjnych i drogich misji poszukiwawczych, które zwykle wymagają wielu badań i skanowania, aby znaleźć rzadkie materiały. Według KoBold, większość łatwo dostępnych materiałów została już znaleziona, chociaż nowe złoża mineralne będą wymagane do zmiany obecnego systemu energetycznego.

KoBold współpracuje z Centrum Przewidywania Zasobów Ziemi na Uniwersytecie Stanforda, aby opracować agenta AI, który może polecić miejsca, w których można znaleźć określone minerały. Firma start-upowa chce AI, które może polecić obszary, które mogą zawierać złoża litu, miedzi, kobaltu, niklu i innych minerałów.

Profesor nauk geologicznych na Uniwersytecie Stanforda, Jef Caers, wyjaśnił, że koncepcja za modelem AI polega na tym, że pomoże geologom ocenić wiele miejsc pod kątem potencjalnych złóż mineralnych i przyspieszyć proces podejmowania decyzji. Według Caersa, model AI działa jak samochód bezzałogowy, ponieważ model gromadzi i działa na danych zebranych ze środowiska.

Podczas gdy społeczeństwo przechodzi od samochodów zasilanych paliwem kopalnym do samochodów zasilanych akumulatorami, aby zmniejszyć emisję gazów cieplarnianych, potrzebna będzie większa pojemność akumulatorów. Według artykułu opublikowanego w czasopiśmie Nature w zeszłym grudniu, może być ponad 2 miliardy samochodów elektrycznych na drogach do 2050 roku, co wymagałoby około 12 terawatogodzin rocznej pojemności akumulatorów, co jest około dziesięć razy większe niż obecna pojemność w USA.

Podejście KoBold do odkrywania minerałów za pomocą AI jest wspierane przez platformę danych, która przechowuje informacje o potencjalnych miejscach wydobywania, pochodzące z różnych źródeł. Próbki gleby, raporty wiertnicze i obrazy satelitarne są zbierane i wykorzystywane jako cechy dla modelu AI, który dokonuje prognoz o lokalizacji stężonych złóż rudy. Liczy się, że model AI dokona dokładnych prognoz, które miejsca powinny być wydobywane, a prognozy te będą pochodzić znacznie szybciej niż te, które zostałyby dokonane przez analityka ludzkiego.

Podczas gdy KoBold opracowuje modele AI do wyszukiwania więcej minerałów do akumulatorów, badacze z IBM starają się znaleźć materiały, które mogą zastąpić typowe składniki akumulatorów, takie jak lit i kobalt. Zespół badawczy IBM wykorzystuje modele AI do identyfikacji rozpuszczalników, które mogą przewyższyć obecne ogniwa litowo-jonowe. Ten projekt AI IBM koncentruje się na istniejących i dostępnych materiałach, ale inny projekt IBM ma na celu syntezę nowych cząsteczek, które mogą zastąpić typowe materiały akumulatorowe.

Zespół badawczy IBM wykorzystał modele generatywne, aby zrozumieć strukturę molekularną, punkt topnienia, lepkość i inne atrybuty istniejących materiałów. Uczenie modelu generatywnego na tego typu cechach pozwala badaczom generować cząsteczki o podobnych właściwościach.

IBM już wykorzystał swój system AI do opracowania nowych cząsteczek zwanych „generatorami fotokwasów”. Te generatory fotokwasów mogą pomóc inżynierom w opracowaniu układów scalonych przy użyciu bardziej przyjaznych dla środowiska materiałów i technik. Zespół badawczy IBM ma na celu zrobić to samo dla technologii akumulatorów.