โมเดล AI ที่ใช้ในการค้นหาทรัพยากรวัสดุแบตเตอรี่และระบุวัสดุแทนที่

นักวิจัย AI อยู่ในกระบวนการของการพัฒนาโมเดล AI เพื่อลดผลกระทบต่อสิ่งแวดล้อมที่เกี่ยวข้องกับการขุดค้นวัสดุที่ใช้ในแบตเตอรี่ โมเดล AI ของ Kobold สามารถตรวจจับวัสดุที่ใช้ในการสร้างแบตเตอรี่ในพื้นดิน ในขณะเดียวกัน ทีมนักวิจัยจาก IBM ใช้อัลกอริทึม AI เพื่อกำหนดวัสดุทางเลือกที่สามารถใช้ในการสร้างแบตเตอรี่

ความต้องการวัสดุในการสร้างแบตเตอรี่เพิ่มขึ้นทุกขณะ เนื่องจากวัตถุหลายอย่างถูกขับเคลื่อนด้วยไฟฟ้า เพื่อตอบสนองความต้องการที่เพิ่มขึ้นนี้ การขุดค้นจะต้องดำเนินการต่อไป และนักวิจัยกำลังมองหาวิธีการลดผลกระทบต่อสิ่งแวดล้อมของการขุดค้นเหล่านี้ AI มีศักยภาพในการปรับปรุงวิธีการขุดค้นหรือแม้กระทั่งแทนที่วิธีการเหล่านี้ด้วยเทคนิคที่ยั่งยืน

ตามที่ IEEE Spectrum โครงการ AI ใหม่ของ KoBold Metals มีเป้าหมายในการตรวจจับทรัพยากรวัสดุในพื้นที่ที่การขุดค้นจะก่อให้เกิดความเสียหายต่อสิ่งแวดล้อมน้อยที่สุด โคบอลด์อธิบายว่าโมเดล AI ที่พวกเขากำลังพัฒนานั้นสามารถลดความจำเป็นในการสำรวจแร่ธาตุแบบที่มีการบุกรุกและต้องใช้เงินมาก ซึ่งโดยปกติแล้วต้องมีการสำรวจและสแกนหลายครั้งเพื่อค้นหาวัสดุหายาก

KoBold กำลังทำงานร่วมกับ Stanford’s Center for Earth Resource Forecasting เพื่อพัฒนาเอเย่นต์ AI ที่สามารถแนะนำสถานที่ที่อาจมีทรัพยากรวัสดุ โคบอลด์ต้องการให้ AI มีความสามารถในการแนะนำพื้นที่ที่อาจมีทรัพยากรวัสดุลิเธียม คอปเปอร์ โคบอลต์ นิกเกิล และแร่ธาตุอื่นๆ

ศาสตราจารย์ทางด้านวิทยาศาสตร์ธรณีวิทยาแห่ง Stanford Jef Caers อธิบายว่าแนวคิดเบื้องหลัง AI คือการช่วยให้นักธรณีวิทยาประเมินหลายพื้นที่สำหรับทรัพยากรวัสดุและเร่งกระบวนการตัดสินใจ ตามที่ Caers ระบุ โมเดล AI ทำงานเหมือนรถยนต์ขับเคลื่อนอัตโนมัติในแง่ที่ว่าโมเดลทั้งรวบรวมและดำเนินการตามข้อมูลที่รวบรวมจากสภาพแวดล้อม

เมื่อสังคมเปลี่ยนจากการใช้รถยนต์ที่ขับเคลื่อนด้วยเชื้อเพลิงฟอสซิลไปสู่รถยนต์ที่ขับเคลื่อนด้วยแบตเตอรี่ โดยมีเป้าหมายในการลดการปล่อยก๊าซเรือนกระจกโดยรวม จะต้องมีความจุแบตเตอรี่มากขึ้น ตามบทความที่ตีพิมพ์ใน Nature เมื่อเดือนธันวาคมที่ผ่านมา อาจมีรถยนต์ไฟฟ้ามากกว่า 2 พันล้านคันบนถนนในปี 2050 ซึ่งต้องการความจุแบตเตอรี่ประมาณ 12 เทระวัตต์ชั่วโมงต่อปี ซึ่งเท่ากับประมาณสิบเท่าของความจุแบตเตอรี่ที่มีอยู่ในปัจจุบันในสหรัฐอเมริกา

แนวทางการค้นหาทรัพยากรแร่ธาตุโดยใช้ AI ของ Kobold ได้รับการสนับสนุนจากแพลตฟอร์มข้อมูลที่เก็บข้อมูลเกี่ยวกับพื้นที่ที่มีศักยภาพในการขุดค้น ซึ่งรวบรวมจากแหล่งต่างๆ ตัวอย่างดิน รายงานการขุด และภาพถ่ายดาวเทียมถูกเก็บและใช้เป็นคุณลักษณะสำหรับโมเดล AI ซึ่งทำการคาดการณ์เกี่ยวกับตำแหน่งของทรัพยากรแร่ธาตุ

ในขณะที่ Kobold กำลังออกแบบโมเดล AI เพื่อค้นหาวัสดุสำหรับแบตเตอรี่ นักวิจัยจาก IBM กำลังพยายามค้นหาวัสดุที่สามารถแทนลิเธียมและโคบอลต์ นักวิจัยของ IBM ใช้โมเดล AI เพื่อระบุสารที่สามารถทำงานได้ดีกว่าแบตเตอรี่ลิเธียม-ไอออนในปัจจุบัน โครงการ AI ของ IBM มุ่งเน้นไปที่วัสดุที่มีอยู่และสามารถเข้าถึงได้ในปัจจุบัน แต่โครงการอื่นๆ ของ IBM มีเป้าหมายในการสังเคราะห์โมเลกุลใหม่ที่สามารถแทนลิเธียมและโคบอลต์

ทีมนักวิจัยของ IBM ใช้โมเดลที่สร้างขึ้นเพื่อทำความเข้าใจโครงสร้างโมเลกุล จุดหลอมเหลว ความหนาแน่น และคุณสมบัติอื่นๆ ของวัสดุที่มีอยู่ การฝึกโมเดลที่สร้างขึ้นนี้ช่วยให้นักวิจัยสามารถสร้างโมเลกุลที่มีคุณสมบัติคล้ายกัน

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