Modelos de IA Usados para Encontrar Depósitos de Materiais de Bateria e Identificar Substitutos

Pesquisadores de IA estão em processo de desenvolver modelos de IA para reduzir os impactos ambientais associados à extração de materiais usados em baterias. A startup de exploração mineral Kobold está desenvolvendo um modelo de IA capaz de detectar materiais usados na criação de baterias no solo. Enquanto isso, uma equipe de pesquisadores da IBM está utilizando algoritmos de IA para determinar quais materiais alternativos poderiam ser usados para criar baterias.

A demanda por materiais para criar baterias está aumentando o tempo todo, à medida que mais e mais objetos se tornam alimentados por eletricidade. Para atender a essa demanda aumentada, mais mineração terá que ocorrer e os pesquisadores estão procurando maneiras de reduzir o impacto ambiental dessas operações de extração de recursos. A IA tem o potencial de melhorar os métodos atuais de extração de minerais ou mesmo substituir esses métodos por técnicas mais sustentáveis.

De acordo com o IEEE Spectrum, KoBold Metals’ novo projeto de IA visa detectar depósitos de minerais em áreas onde a extração do minério causaria danos relativamente menores, em comparação com os métodos atuais de extração de recursos. A Kobold explicou que os modelos de IA que estão desenvolvendo poderiam reduzir drasticamente a necessidade de missões de exploração mineral invasivas e caras, que normalmente exigem muitas explorações e varreduras para encontrar materiais raros. De acordo com a KoBold, a maioria dos materiais de fácil acesso já foi encontrada, embora novos depósitos minerais sejam necessários para alterar o sistema energético atual.

A KoBold está trabalhando ao lado do Centro de Previsão de Recursos da Terra de Stanford para desenvolver um agente de IA que possa fazer recomendações sobre onde encontrar certos minerais. A startup deseja uma IA capaz de recomendar áreas que possam conter depósitos de lítio, cobre, cobalto, níquel e outros minerais.

Um professor de ciências geológicas de Stanford, Jef Caers, explicou que o conceito por trás da IA é que ela ajudará os geólogos a avaliar vários locais para depósitos minerais potenciais e agilizar o processo de tomada de decisões. De acordo com Caers, o modelo de IA opera como um carro autônomo, no sentido de que o modelo coleta e age sobre os dados coletados do ambiente circundante.

À medida que a sociedade se afasta dos carros movidos a combustível fóssil para carros movidos a bateria, visando reduzir as emissões globais de gases de efeito estufa, mais capacidade de bateria será necessária. De acordo com um artigo publicado na revista Nature no último dezembro, pode haver mais de 2 bilhões de veículos elétricos nas estradas até 2050, exigindo cerca de 12 terawatt-horas de capacidade de bateria anual, o que é aproximadamente dez vezes a capacidade existente atual dos EUA.

A abordagem de descoberta de minerais impulsionada por IA da Kobold é apoiada por uma plataforma de dados que armazena informações sobre locais de mineração potenciais coletadas de várias fontes. Amostras de solo, relatórios de perfuração e imagens de satélite são coletadas e usadas como recursos para o modelo de IA, que faz previsões sobre a localização de depósitos de minerais altamente concentrados. Espera-se que o modelo de IA faça previsões precisas sobre quais locais devem ser minerados, as previsões vindo muito mais rápido do que as feitas por um analista humano.

Enquanto a Kobold está projetando modelos de IA para encontrar mais minerais para baterias, pesquisadores da IBM estão tentando encontrar materiais que possam substituir ingredientes comuns de bateria, como lítio e cobalto. A equipe de pesquisadores da IBM está empregando modelos de IA para identificar solventes que possam superar as baterias de íon de lítio atuais. Esse projeto de IA da IBM está se concentrando em materiais existentes e disponíveis atualmente, mas um projeto diferente da IBM visa sintetizar novas moléculas que possam substituir materiais comuns de bateria.

A equipe de pesquisa da IBM empregou modelos gerativos para entender a estrutura molecular, ponto de fusão, viscosidade e outros atributos de materiais existentes. Treinar um modelo gerativo nesses tipos de recursos permite que os pesquisadores gerem moléculas com propriedades semelhantes.

A IBM já usou seu sistema de IA para projetar novas moléculas chamadas “geradores de fotoácido”. Esses geradores de fotoácido podem ajudar os engenheiros a desenvolver chips de computador usando materiais e técnicas mais ecologicamente corretas. A equipe de pesquisa da IBM pretende fazer o mesmo para a tecnologia de bateria.