AI-modeller används för att hitta förekomster av batterimaterial och identifiera ersättningar

AI-forskare är i färd med att utveckla AI-modeller för att minska de miljöpåverkningar som är förknippade med utvinningen av material som används i batterier. Startup-företaget Kobold utvecklar en AI-modell som kan upptäcka material som används vid tillverkning av batterier i marken. Samtidigt använder en grupp forskare från IBM AI-algoritmer för att bestämma vilka alternativa material som kan användas för att skapa batterier.

Efterfrågan på material för att skapa batterier ökar hela tiden allt eftersom fler och fler föremål drivs av elektricitet. För att möta denna ökade efterfrågan måste mer gruvbrytning ske, och forskare letar efter sätt att minska miljöpåverkan från dessa resursutvinningsoperationer. AI har potentialen att förbättra nuvarande metoder för utvinning av malm eller till och med ersätta dessa metoder med tekniker som är mer hållbara.

Enligt IEEE Spectrum, syftar KoBold Metals nya AI-projekt till att upptäcka malmfyndigheter i områden där utvinning av malmen skulle medföra relativt mindre skada, jämfört med nuvarande resursutvinningsmetoder. Kobold förklarade att de AI-modeller de utvecklar kan dramatiskt minska behovet av invasiva och dyra mineralutforskningsuppdrag, som vanligtvis kräver många undersökningar och skanningar för att hitta sällsynta material. Enligt KoBold har de flesta lättillgängliga material redan hittats, även om nya mineralfyndigheter kommer att krävas för att förändra det nuvarande energisystemet.

KoBold samarbetar med Stanfords Center for Earth Resource Forecasting för att utveckla en AI-agent som kan ge rekommendationer för var man kan hitta vissa mineraler. Startup-företaget vill ha en AI som kan rekommendera områden som kan innehålla förekomster av litium, koppar, kobolt, nickel och andra mineraler.

En professor i geologiska vetenskaper vid Stanford, Jef Caers, förklarade att konceptet bakom AI-modellen är att den ska hjälpa geologer att utvärdera flera platser för potentiella mineralfyndigheter och påskynda beslutsprocessen. Enligt Caers fungerar AI-modellen som en självkörande bil, eftersom modellen både samlar in och agerar på data som samlats in från omgivningen.

Samhället går bort från fossildrivna fordon till batteridrivna fordon i syfte att minska de totala växthusgasutsläppen, och mer batterikapacitet kommer att behövas. Enligt en artikel som publicerats i tidskriften Nature i december kan det finnas över 2 miljarder elbilar på vägarna år 2050, vilket kräver cirka 12 terawattimmar av årlig batterikapacitet, vilket är ungefär tio gånger den nuvarande kapaciteten i USA.

Kobolds AI-drivna mineralutforskning tillstöds av en dataplattform som lagrar information om potentiella gruvplatser från en mängd olika källor. Jordprover, borrningsrapporter och satellitbilder samlas in och används som funktioner för AI-modellen, som gör förutsägelser om platser med högkoncentrerade malmfyndigheter. Det hoppas att AI-modellen ska göra precisa förutsägelser om vilka platser som bör utvinnas, och förutsägelserna kommer att ske mycket snabbare än de som görs av en mänsklig analytiker.

Medan Kobold utvecklar AI-modeller för att hitta fler mineraler till batterier, försöker IBM-forskare hitta material som kan ersätta vanliga batterikomponenter som litium och kobolt. IBM-forskarna använder AI-modeller för att identifiera lösningsmedel som kan prestera bättre än nuvarande litium-jonbatterier. Detta IBM-AI-projekt fokuserar på befintliga och tillgängliga material, men ett annat IBM-projekt syftar till att syntetisera nya molekyler som kan ersätta vanliga batterimaterial.

IBM-forskningsgruppen använde generativa modeller för att förstå den molekylära strukturen, smältpunkten, viskositeten och andra egenskaper hos befintliga material. Att träna en generativ modell på dessa typer av funktioner möjliggör för forskarna att generera molekyler med liknande egenskaper.

IBM har redan använt sitt AI-system för att utveckla nya molekyler som kallas “photoacidgenererare”. Dessa photoacidgenererare kan hjälpa ingenjörer att utveckla datortillverkning med mer miljövänliga material och tekniker. IBM-forskningsgruppen syftar till att göra samma sak för batteriteknik.