Моделі штучного інтелекту, які використовуються для пошуку відкладень матеріалів батареї та визначення заміни

Дослідники штучного інтелекту розробляють моделі штучного інтелекту для зменшення впливу на навколишнє середовище, пов’язаного з видобутком матеріалів, які використовуються в батареях. Стартап з розвідки корисних копалин Kobold розробляє модель штучного інтелекту, здатну виявляти в землі матеріали, які використовуються для створення батарей. Тим часом команда дослідників з IBM використовує алгоритми ШІ, щоб визначити, які альтернативні матеріали можна використовувати для створення батарей.

Попит на матеріали для створення акумуляторів постійно зростає, оскільки все більше і більше об'єктів отримують електроенергію. Щоб задовольнити цей підвищений попит, доведеться проводити більше видобутку корисних копалин, і дослідники шукають способи зменшити вплив цих операцій з видобутку ресурсів на навколишнє середовище. ШІ має потенціал для вдосконалення поточних методів видобутку руди або навіть заміни цих методів більш екологічними.

Відповідно до IEEE Spectrum, Метали KoBoldНовий проект ШІ спрямований на виявлення родовищ руди в районах, де видобуток руди завдасть відносно незначної шкоди порівняно з поточними методами видобутку ресурсів. Кобольд пояснив, що моделі штучного інтелекту, які вони розробляють, можуть значно зменшити потребу в інвазивних, дорогих місіях з розвідки корисних копалин, які зазвичай вимагають багатьох досліджень і сканувань для пошуку рідкісних матеріалів. За словами KoBold, більшість легкодоступних матеріалів уже знайдено, хоча для зміни поточної енергетичної системи знадобляться нові родовища корисних копалин.

KoBold співпрацює зі Стенфордським центром прогнозування ресурсів Землі над розробкою агента штучного інтелекту, який може давати рекомендації щодо того, де знайти певні корисні копалини. Стартап хоче мати ШІ, здатний рекомендувати райони, які можуть містити поклади літію, міді, кобальту, нікелю та інших мінералів.

Професор геологічних наук у Стенфорді Джеф Каерс пояснив, що концепція штучного інтелекту полягає в тому, що він допоможе геологам оцінити кілька місць на наявність потенційних родовищ корисних копалин і прискорить процес прийняття рішень. За словами Каерса, модель штучного інтелекту працює як самокерований автомобіль у тому сенсі, що модель збирає та діє на основі даних, зібраних із навколишнього середовища.

У міру того як суспільство переходить від автомобілів, що працюють на викопному паливі, до автомобілів, що працюють від акумуляторів, щоб зменшити загальні викиди парникових газів, потрібна буде більша ємність акумуляторів. Відповідно до статті, опублікованої в журналі Nature минулого грудня, до 2 року на дорогах може перебувати понад 2050 мільярди електромобілів, які вимагатимуть приблизно 12 терават-годин річної ємності акумулятора, що приблизно в десять разів перевищує поточну наявну ємність США.

Підхід Kobold до пошуку корисних копалин на основі штучного інтелекту підтримується платформою даних, яка зберігає інформацію про потенційні місця видобутку, отриману з різних джерел. Зразки ґрунту, звіти про буріння та супутникові зображення збираються та використовуються як функції для моделі штучного інтелекту, яка робить прогнози щодо розташування покладів висококонцентрованої руди. Є надія, що модель штучного інтелекту зробить точні прогнози щодо того, які сайти слід майнити, причому прогнози надходять набагато швидше, ніж ті, які робить людина-аналітик.

У той час як Kobold розробляє моделі штучного інтелекту, щоб знайти більше мінералів для батарей, дослідники з IBM намагаються знайти матеріали, які можуть замінити звичайні інгредієнти акумуляторів, такі як літій і кобальт. Дослідники IBM використовують моделі ШІ для виявлення розчинників, які можуть перевершити поточні літій-іонні батареї. Цей проект IBM AI зосереджений на існуючих і доступних на даний момент матеріалах, але на іншому проекті IBM спрямований на синтез нових молекул які можуть замінити звичайні матеріали акумуляторів.

Дослідницька група IBM використовувала генеративні моделі, щоб зрозуміти молекулярну структуру, температуру плавлення, в’язкість та інші характеристики існуючих матеріалів. Навчання генеративної моделі на таких типах ознак дозволяє дослідникам генерувати молекули з подібними властивостями.

IBM вже використовувала свою систему штучного інтелекту для розробки нових молекул, які отримали назву «генератори фотокислоти». Ці генератори фотокислот можуть допомогти інженерам у розробці комп’ютерних чіпів із використанням екологічно чистіших матеріалів і технологій. Дослідницька група IBM прагне зробити те саме для технології акумуляторів.