Моделі штучного інтелекту використовуються для пошуку родовищ матеріалів для батарей та визначення заміни

Дослідники штучного інтелекту займаються розробкою моделей штучного інтелекту для зменшення екологічних впливів, пов’язаних з видобуванням матеріалів, використовуваних у батареях. Стартап з розвідки родовищ Kobold розробляє модель штучного інтелекту, здатну виявляти матеріали, використовувані при створенні батарей, у землі. Тим часом команда дослідників з IBM використовує алгоритми штучного інтелекту для визначення альтернативних матеріалів, які можна використовувати для створення батарей.

Попит на матеріали для створення батарей постійно зростає, оскільки все більше й більше об’єктів працюють від електрики. Для задоволення цього зростаючого попиту потрібно буде проводити більше гірничих робіт, і дослідники шукають способи зменшити екологічний вплив цих операцій з видобування ресурсів. Штучний інтелект має потенціал покращити сучасні методи видобування руди або навіть замінити ці методи більш сталими методами.

За даними IEEE Spectrum, новий проєкт штучного інтелекту KoBold Metals спрямований на виявлення родовищ руди в районах, де видобування руди буде завдавати відносно незначної шкоди порівняно з поточними методами видобування ресурсів. Kobold пояснив, що моделі штучного інтелекту, які вони розробляють, можуть суттєво зменшити потребу в інвазивних та дорогих місіях з розвідки мінералів, які зазвичай вимагають багатьох досліджень і сканувань для пошуку рідкісних матеріалів. За даними KoBold, більшість легко доступних матеріалів вже знайдені, хоча для зміни сучасної енергетичної системи будуть потрібні нові родовища мінералів.

KoBold працює разом із Центром прогнозування ресурсів Землі Стенфордського університету над розробкою агента штучного інтелекту, який зможе надавати рекомендації щодо місць, де можна знайти певні мінерали. Стартап хоче створити агент штучного інтелекту, який зможе рекомендувати райони, які можуть містити родовища літію, міді, кобальту, нікелю та інших мінералів.

Професор геологічних наук Стенфордського університету Джеф Керс пояснив, що концепція штучного інтелекту полягає в тому, щоб допомогти геологам оцінити кілька місць для потенційних родовищ мінералів та прискорити процес прийняття рішень. За словами Керса, модель штучного інтелекту працює як самохідний автомобіль, тобто модель збирає та діє на дані, зібрані з навколишнього середовища.

Під час переходу суспільства від автомобілів, які працюють на викопному паливі, до батарейних автомобілів, спрямованого на зменшення загальних викидів парникових газів, буде потрібно більше батарейної потужності. За даними статті, опублікованої в журналі Nature у грудні минулого року, до 2050 року на дорозі може бути понад 2 мільярди електромобілів, які вимагатимуть близько 12 терават-годин батарейної потужності на рік, що у десятки разів перевищує поточну потужність США.

Підхід KoBold до відкриття мінералів з використанням штучного інтелекту підтримується платформою даних, яка зберігає інформацію про потенційні місця видобування, отриману з різних джерел. Зразки ґрунту, звіти про буріння та супутникові зображення збираються та використовуються як ознаки для моделі штучного інтелекту, яка робить передбачення щодо місць розташування висококонцентрованих родовищ руди. Сподіваються, що модель штучного інтелекту зробить точні передбачення щодо того, які місця слід видобувати, а передбачення будуть зроблені значно швидше, ніж передбачення, зроблені людським аналітиком.

Хоча Kobold розробляє моделі штучного інтелекту для пошуку更多 мінералів для батарей, дослідники з IBM намагаються знайти матеріали, які можуть замінити звичайні інгредієнти батарей, такі як літій та кобальт. Дослідники IBM використовують моделі штучного інтелекту для визначення розчинників, які можуть перевершити сучасні літій-іонні батареї. Цей проєкт IBM зосереджений на існуючих та доступних матеріалах, але інший проєкт IBM спрямований на синтез нових молекул, які можуть замінити звичайні матеріали батарей.

Команда дослідників IBM використовувала генеративні моделі для розуміння молекулярної структури, температури плавлення, в’язкості та інших властивостей існуючих матеріалів. Навчання генеративної моделі на цих ознаках дозволяє дослідникам генерувати молекули з подібними властивостями.

IBM вже використовувала свою систему штучного інтелекту для розробки нових молекул, так званих “фотоакідних генераторів”. Ці фотоакідні генератори можуть допомогти інженерам розробляти комп’ютерні чіпи з використанням більш екологічних матеріалів та методів. Команда дослідників IBM має на меті зробити те саме для технології батарей.