โมเดล AI ที่ใช้ในการค้นหาทรัพยากรวัสดุแบตเตอรี่และระบุตัวแทน

นักวิจัยด้าน AI อยู่ในระหว่างการพัฒนาโมเดล AI เพื่อลดผลกระทบต่อสิ่งแวดล้อมที่เกี่ยวข้องกับการขุดค้นวัสดุที่ใช้ในแบตเตอรี่ สตาร์ทอัพการสำรวจเหมือง Kobold กำลังพัฒนาโมเดล AI ที่สามารถตรวจจับวัสดุที่ใช้ในการสร้างแบตเตอรี่ในพื้นดิน ในขณะเดียวกัน ทีมนักวิจัยจาก IBM กำลังใช้อัลกอริทึม AI เพื่อกำหนดวัสดุทางเลือกที่สามารถใช้ในการสร้างแบตเตอรี่ได้

ความต้องการวัสดุในการสร้างแบตเตอรี่เพิ่มขึ้นทุกเวลา เนื่องจากวัตถุหลายอย่างถูกขับเคลื่อนด้วยไฟฟ้า เพื่อตอบสนองความต้องการที่เพิ่มขึ้นนี้ การขุดค้นจะต้องดำเนินการมากขึ้น และนักวิจัยกำลังมองหาวิธีลดผลกระทบต่อสิ่งแวดล้อมของการดำเนินการขุดค้นเหล่านี้ AI มีศักยภาพในการปรับปรุงวิธีการขุดค้นในขณะนี้หรือแทนที่วิธีการเหล่านี้ด้วยเทคนิคที่ยั่งยืนมากขึ้น

ตามที่ IEEE Spectrum โครงการ AI ใหม่ของ KoBold Metals มีเป้าหมายในการตรวจจับแหล่งสะสมแร่ในพื้นที่ที่การขุดค้นแร่จะก่อให้เกิดความเสียหายน้อยกว่าวิธีการขุดค้นทรัพยากรในปัจจุบัน Kobold อธิบายว่าโมเดล AI ที่พวกเขากำลังพัฒนานั้นสามารถลดความจำเป็นในการสำรวจแร่ธาตุแบบบุคลากรและต้องใช้การสำรวจและสแกนหลายครั้งเพื่อค้นหาวัสดุหายาก ตาม KoBold วัสดุที่เข้าถึงได้ง่ายส่วนใหญ่ถูกพบแล้ว แม้ว่าจะต้องมีแหล่งสะสมแร่ธาตุใหม่เพื่อเปลี่ยนแปลงระบบพลังงานในปัจจุบัน

KoBold กำลังทำงานร่วมกับ Stanford’s Center for Earth Resource Forecasting เพื่อพัฒนาเอเย่นต์ AI ที่สามารถแนะนำสถานที่ที่อาจมีแหล่งสะสมแร่ธาตุของลิเธียม ทองแดง โคบอลต์ นิกเกิล และแร่ธาตุอื่นๆ

ศาสตราจารย์ทางธรณีวิทยาแห่ง Stanford Jef Caers อธิบายว่าแนวคิดเบื้องหลัง AI คือการช่วยให้นักธรณีวิทยาประเมินหลายสถานที่สำหรับแหล่งสะสมแร่ธาตุและเร่งกระบวนการตัดสินใจ ตาม Caers โมเดล AI ทำงานเหมือนรถยนต์ขับเคลื่อนอัตโนมัติในแง่ที่ว่าโมเดลทั้งรวบรวมและดำเนินการตามข้อมูลที่รวบรวมจากสภาพแวดล้อม

เมื่อสังคมเปลี่ยนจากการขับเคลื่อนด้วยเชื้อเพลิงฟอสซิลไปสู่การขับเคลื่อนด้วยแบตเตอรี่ โดยมีเป้าหมายในการลดการปล่อยก๊าซเรือนกระจกโดยรวม จะต้องมีความจุแบตเตอรี่มากขึ้น ตามบทความที่ตีพิมพ์ใน Nature เมื่อเดือนธันวาคมที่ผ่านมา อาจมีรถยนต์ไฟฟ้ามากกว่า 2 พันล้านคันบนถนนในปี 2050 ซึ่งต้องการความจุแบตเตอรี่ประมาณ 12 เทระวัตต์ชั่วโมงในการผลิตแบตเตอรี่ต่อปี ซึ่งเท่ากับประมาณ 10 เท่าของความจุแบตเตอรี่ที่มีอยู่ในปัจจุบันในสหรัฐอเมริกา

แนวทางการค้นหาทรัพยากรแร่ธาตุโดยใช้ AI ของ Kobold ได้รับการสนับสนุนจากแพลตฟอร์มข้อมูลที่เก็บข้อมูลเกี่ยวกับสถานที่ขุดค้นที่มีศักยภาพ ซึ่งได้รับจากแหล่งข้อมูลต่างๆ ตัวอย่างดิน รายงานการขุด และภาพถ่ายดาวเทียมถูกเก็บและใช้เป็นคุณลักษณะสำหรับโมเดล AI ซึ่งทำการคาดการณ์เกี่ยวกับตำแหน่งของแหล่งสะสมแร่ธาตุที่มีความเข้มข้นสูง มีความหวังว่าโมเดล AI จะทำการคาดการณ์ที่แม่นยำเกี่ยวกับสถานที่ที่ควรขุด ซึ่งการคาดการณ์เหล่านี้จะเกิดขึ้นเร็วกว่าการคาดการณ์ที่ทำโดยนักวิเคราะห์มนุษย์

ในขณะที่ Kobold กำลังออกแบบโมเดล AI เพื่อค้นหาวัสดุสำหรับแบตเตอรี่มากขึ้น นักวิจัยจาก IBM กำลังพยายามค้นหาวัสดุที่สามารถทดแทนลิเธียมและโคบอลต์ที่ใช้กันโดยทั่วไปในแบตเตอรี่ นักวิจัยของ IBM กำลังใช้โมเดล AI เพื่อระบุสารที่สามารถทำได้ดีกว่าแบตเตอรี่ลิเธียม-ไอออนในปัจจุบัน โครงการ AI ของ IBM นี้มุ่งเน้นไปที่วัสดุที่มีอยู่และสามารถเข้าถึงได้ในปัจจุบัน แต่โครงการอื่นของ IBM มีเป้าหมายในการสังเคราะห์โมเลกุลใหม่ที่สามารถทดแทนแบตเตอรี่วัสดุโดยทั่วไป

ทีมนักวิจัยของ IBM ใช้โมเดลที่สร้างขึ้นเพื่อทำความเข้าใจโครงสร้างโมเลกุล จุดหลอมเหลว ความหนืด และคุณลักษณะอื่นๆ ของวัสดุที่มีอยู่ การฝึกโมเดลที่สร้างขึ้นในคุณลักษณะเหล่านี้ช่วยให้นักวิจัยสามารถสร้างโมเลกุลที่มีคุณสมบัติคล้ายกัน

IBM ได้ใช้ระบบ AI ของตนในการออกแบบโมเลกุลใหม่ที่เรียกว่า “photoacid generators” ซึ่งสามารถช่วยให้วิศวกรพัฒนาไมโครชิปโดยใช้วัสดุและเทคนิคที่เป็นมิตรต่อสิ่งแวดล้อมมากขึ้น ทีมนักวิจัยของ IBM มีเป้าหมายที่จะทำเช่นเดียวกันสำหรับเทคโนโลยีแบตเตอรี่