人工智能模型用于发现电池材料的矿藏并识别替代品

人工智能研究人员正在开发人工智能模型，以减少与电池中使用的材料开采相关的环境影响。矿业勘探初创公司Kobold正在开发一种人工智能模型，能够检测地面中用于创建电池的材料。同时，IBM的一组研究人员正在利用人工智能算法来确定哪些替代材料可以用于创建电池。

电池制造所需的材料需求不断增加，因为越来越多的物体由电力驱动。为了满足这种增加的需求，需要进行更多的采矿，研究人员正在寻找减少这些资源开采操作的环境影响的方法。人工智能有可能改进当前的矿石开采方法，甚至用更可持续的技术替代这些方法。

根据IEEE Spectrum的报道，KoBold Metals的新人工智能项目旨在检测矿藏，在这些地区开采矿藏相比当前的资源开采方法会造成相对较小的损害。Kobold解释说，他们正在开发的人工智能模型可以大大减少对入侵性、昂贵的矿物勘探任务的需求，这些任务通常需要进行许多勘探和扫描来找到稀有材料。根据KoBold的说法，大多数容易获取的材料已经被发现，尽管需要新的矿藏来改变当前的能源系统。

KoBold正在与斯坦福大学地球资源预测中心合作，开发一个可以推荐在哪里找到某些矿物的代理人。该初创公司希望开发一个能够推荐可能含有锂、铜、钴、镍和其他矿物的地区的人工智能。

斯坦福大学地质科学教授Jef Caers解释说，人工智能背后的概念是帮助地质学家评估多个地点的潜在矿物沉积，并加快决策过程。根据Caers的说法，人工智能模型的工作方式类似于自动驾驶汽车，即模型既可以收集也可以对周围环境中的数据做出反应。

当社会从化石燃料动力汽车转向电池动力汽车，以减少整体温室气体排放时，将需要更多的电池容量。根据去年12月发表在《自然》杂志上的论文，到2050年，可能会有超过20亿辆电动汽车在道路上行驶，需要大约12太瓦时的年度电池容量，这大约是当前美国现有容量的十倍。

Kobold的基于人工智能的矿物发现方法得到了一个数据平台的支持，该平台存储了来自各种来源的潜在矿业地点的信息。土壤样本、钻井报告和卫星图像被收集并用作人工智能模型的特征，该模型对高浓度矿石矿床的位置做出预测。人们希望人工智能模型能够快速准确地预测哪些地点应该被开采，这比人类分析师的预测速度要快得多。

虽然Kobold正在设计人工智能模型来找到更多的电池材料，但IBM的研究人员正在尝试找到可以替代锂和钴等常见电池成分的材料。IBM的研究人员正在使用人工智能模型来识别可能比当前的锂离子电池表现更好的溶剂。这个IBM人工智能项目专注于当前现有和可用的材料，但另一个IBM项目旨在合成可以替代常见电池材料的新分子。

IBM研究团队使用生成模型来理解现有材料的分子结构、熔点、粘度和其他属性。训练生成模型使研究人员能够生成具有相似属性的分子。

IBM已经使用他们的人工智能系统设计了新的分子，被称为“光酸发生器”。这些光酸发生器可以帮助工程师使用更环保的材料和技术开发计算机芯片。IBM研究团队旨在为电池技术做同样的事情。