Modele AI wykorzystywane do znajdowania złóż materiałów akumulatorowych i identyfikowania ich zamienników

Badacze AI pracują nad rozwojem modeli AI, które mogą zmniejszyć wpływ na środowisko związany z wydobywaniem materiałów wykorzystywanych w akumulatorach. Firma startowa 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 mogą być wykorzystane jako zamienniki materiałów akumulatorowych.

Wzrasta zapotrzebowanie na materiały do produkcji akumulatorów, ponieważ coraz więcej obiektów jest zasilanych energią elektryczną. Aby zaspokoić to zapotrzebowanie, konieczne będzie prowadzenie większej liczby wydobyć, a badacze szukają sposobów na zmniejszenie wpływu tych operacji na środowisko. AI ma potencjał, aby poprawić obecne metody wydobywania rud lub nawet zastąpić te metody bardziej zrównoważonymi.

Według IEEE Spectrum, nowy projekt AI firmy KoBold Metals ma na celu wykrycie złóż rud w miejscach, gdzie wydobywanie tych rud nie spowoduje dużych szkód dla środowiska w porównaniu z obecnymi metodami wydobywania. Firma Kobold wyjaśniła, że modele AI, które są rozwijane, mogą znacznie 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.

Firma Kobold współpracuje ze Stanford’s Center for Earth Resource Forecasting, aby opracować agenta AI, który może polecić miejsca, w których mogą znajdować się złoża minerałów. Firma chce, aby AI był w stanie polecić miejsca, które mogą zawierać złoża litu, miedzi, kobaltu, niklu i innych minerałów.

Profesor nauk geologicznych na Uniwersytecie Stanford, Jef Caers, wyjaśnił, że koncepcja AI polega na tym, że pomoże geologom ocenić wiele miejsc pod kątem potencjalnych złóż minerałów i przyspieszyć proces podejmowania decyzji. Według Caersa, model AI działa jak samochód autonomiczny, ponieważ model ten gromadzi i działa na podstawie danych zebranych z otoczenia.

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 grudniu ubiegłego roku, może być ponad 2 miliardy samochodów elektrycznych na drogach do 2050 roku, co wymagałoby około 12 terawatogodzin rocznej pojemności akumulatorów, co jest dziesięciokrotnie większe niż obecna pojemność w Stanach Zjednoczonych.

Podejście firmy Kobold do odkrywania minerałów z użyciem AI jest wspierane przez platformę danych, która przechowuje informacje o potencjalnych miejscach wydobywania zebranych z różnych źródeł. Próbki gleby, raporty wiertnicze i obrazy satelitarne są zbierane i wykorzystywane jako cechy dla modelu AI, który dokonuje przewidywań dotyczących lokalizacji wysoko stężonych złóż rud. Liczy się, że model AI dokona dokładnych przewidywań dotyczących miejsc, które powinny być wydobywane, a przewidywania te będą dokonywane znacznie szybciej niż przez analityka ludzkiego.

Podczas gdy firma Kobold projektuje modele AI do znalezienia większej ilości minerałów do akumulatorów, badacze z IBM starają się znaleźć materiały, które mogą zastąpić powszechnie stosowane składniki akumulatorów, takie jak lit i kobalt. Badacze z IBM wykorzystują modele AI do identyfikacji rozpuszczalników, które mogą przewyższyć obecne ogniwa litowo-jonowe. Ten projekt AI koncentruje się na materiałach, które już istnieją i są dostępne, ale inny projekt IBM ma na celu stworzenie nowych cząsteczek, które mogą zastąpić powszechne 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 kwasu foto”. Te generatory kwasu foto mogą pomóc inżynierom w opracowaniu układów scalonych z użyciem bardziej przyjaznych dla środowiska materiałów i technik. Zespół badawczy IBM planuje zrobić to samo dla technologii akumulatorów.