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

Дослідники штучного інтелекту розробляють моделі штучного інтелекту для зменшення екологічних наслідків видобування матеріалів, використовуваних у батареях. Стартап з дослідження родовищ Kobold розробляє модель штучного інтелекту, здатну виявляти матеріали, використовувані у 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 об’єктів працюють на електриці. Для задоволення цього зростаючого попиту потрібно буде проводити більше видобування, і дослідники шукають способи зменшити екологічний вплив цих операцій з видобування ресурсів. Штучний інтелект має потенціал покращити існуючі методи видобування руди або навіть замінити ці методи більш сталими техніками.

За даними IEEE Spectrum, KoBold Metals розпочала новий проект штучного інтелекту, метою якого є виявлення родовищ руди в районах, де видобування руди буде завдавати відносно мінімальної шкоди порівняно з поточними методами видобування ресурсів. Kobold пояснила, що моделі штучного інтелекту, які вони розробляють, можуть суттєво зменшити потребу в інвазивних та дорогих місіях з дослідження мінералів, які зазвичай вимагають багатьох досліджень та сканувань для пошуку рідкісних матеріалів. За словами KoBold, більшість легко доступних матеріалів уже були виявлені, хоча для зміни поточної енергетичної системи будуть потрібні нові мінеральні родовища.

KoBold працює разом із Центром прогнозування ресурсів Землі Стенфордського університету над розробкою агента штучного інтелекту, який може давати рекомендації щодо місць, де можна знайти певні мінерали. Стартап хоче мати 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 мінеральних родовищ та прискорити процес прийняття рішень. За словами Керса, модель штучного інтелекту працює як самохідний автомобіль, тобто модель збирає та діє на дані, отримані з навколишнього середовища.

Під час переходу суспільства від автомобілів, що 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, що потребуватиме близько 12 терават-годин батарейної потужності на рік, що у десять разів більше поточної потужності 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 висококонцентрованих родовищ руди. Сподіваються, що модель штучного інтелекту зробить точні передбачення щодо того, які місця слід видобувати, і ці передбачення будуть зроблені значно швидше, ніж люди.

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

Команда дослідників з IBM використовувала генеративні моделі для розуміння молекулярної структури, температури плавлення, в’язкості та інших ознак 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, названих “фотоакідними генераторами”. Ці фотоакідні генератори можуть допомогти інженерам розробляти комп’ютерні чипи, використовуючи більш екологічні матеріали та техніки. Команда дослідників з IBM планує зробити те саме для технології батарей.