IBM、礦業(yè)勘探初創(chuàng)公司 KoBold Metals 和斯坦福大學正在利用 AI 技術(shù)來搜尋新的電池材料，它們的研究可以使電池的材料和礦物開采環(huán)節(jié)更加環(huán)保。
有學者預計，2050 年電動汽車將會達到 20 億輛，將消耗大量鋰、鈷等金屬用作電池材料，也會產(chǎn)生一系列環(huán)境問題。
為此 KoBold Metals 公司正在聯(lián)合斯坦福大學開發(fā)一種 AI 智能體技術(shù)，以此搜尋那些開采時對環(huán)境影響最小的金屬礦脈，有可能提高 20 倍的勘探效率。IBM 則使用現(xiàn)有電解質(zhì)材料數(shù)據(jù)訓練 AI，使 AI 可以設計出較為環(huán)保的分子電解質(zhì)材料。
一、用 AI 加速勘探，應對金屬需求急劇擴張
KoBold Metals 與斯坦福大學地球資源預測中心合作開發(fā)了一個 AI 智能體，這項技術(shù)可以幫助勘探者決定工作的地點與方式。
雙方一起完善了 AI 智能體的順序決策算法，來確定勘探者下一步應如何收集數(shù)據(jù)，如在現(xiàn)場上空駕駛飛機、收集鉆探樣本等。
斯坦福大學地質(zhì)學家 Jef Caers 教授稱，AI 智能體可以加快勘探?jīng)Q策過程，使勘探者能夠一次評估多個地點。
他將該技術(shù)比作自動駕駛汽車，該車輛不僅可以收集、處理周圍環(huán)境數(shù)據(jù)，還能根據(jù)環(huán)境數(shù)據(jù)采取行動，進行導航或改變車輛行駛速度。
而 KoBold Metals 的 AI 智能體技術(shù)，可以通過分析土壤樣品、衛(wèi)星的高光譜成像、歷史中存留的手寫鉆探報告等數(shù)據(jù)，應用機器學習方法來預測礦體成分異常的位置。
KoBold Metals 聯(lián)合創(chuàng)始人兼 CEO 庫爾特 · 豪斯(Kurt House)稱，當?shù)叵碌母鞣N礦藏都被發(fā)現(xiàn)時，人們意識到需要大規(guī)模改變當前能源種類，這種改變需要用到更多的金屬礦物。
KoBold Metals 主要尋找銅、鈷、鎳和鋰等礦物，而這些金屬是電動汽車、太陽能板、智能手機等設備電池的關(guān)鍵材料。
根據(jù)《自然》12 月份的一篇論文，全球電動汽車的數(shù)量在 2019 年為 750 萬輛，隨著各國減少溫室氣體排放的努力，2050 年這個數(shù)字可能會變成 20 億輛。
該論文的作者稱，為這些車輛提供動力每年需要 12 太瓦(10^12 瓦)時的電量，大約為當前美國年發(fā)電總量的 10 倍，這意味著金屬供應鏈將急劇擴張。
二、AI 智能體速度超人類 20 倍，降低勘探成本
Jef Caers 說：“如果我們現(xiàn)在想要減輕溫室效應并擺脫化石燃料，我們需要在幾年內(nèi)制造更多的電池，不能再等待 10-20 年來期待發(fā)現(xiàn)更多的金屬礦物。”
當前幾乎所有的鋰離子電池都使用鈷，這種金屬的主要供應地是剛果民主共和國，那里的成年人和兒童經(jīng)常需要冒著生命危險進行開采。
銅也是一種重要的材料，但是銅開采的過程中需要大量的水資源，而目前大部分的銅礦都來自智利阿塔卡馬沙漠附近的缺水地區(qū)。
在這種情況下，礦業(yè)公司很難在擴大開采的同時，不對當?shù)氐纳鷳B(tài)環(huán)境和人民生活造成破壞。
Kurt House 稱，如果想要減少開采對環(huán)境的影響，通常需要多次地址考察，以尋找優(yōu)質(zhì)的礦脈，而該 AI 智能體可以減少考察時間與成本。
這些步驟之前對于勘探公司來說成本較高，風險較大，所以公司經(jīng)常為了避免浪費資源而行動緩慢。
而 AI 智能體做出這種決策的速度大概比人類快 20 倍，還能減少礦物勘探中的誤報頻率。Jef Caers 認為，這在地質(zhì)科學中是一個全新的領(lǐng)域。
受比爾 · 蓋茨領(lǐng)導的 Breakthrough Energy Ventures 基金支持，KoBold Metals 已經(jīng)在澳大利亞、北美和撒哈拉以南非洲等三處地點進行了勘測，預計今年將收集到這三處地點的現(xiàn)場數(shù)據(jù)，這些數(shù)據(jù)也將首次證實 AI 智能體判斷的準確程度。
三、IBM 訓練 AI，設計新分子材料代替鈷、鋰成分
IBM 研究人員也在尋找電池中鈷、鋰等成分的代替成分，以設計符合可持續(xù)理念的電池。
其研究團隊正在使用 AI 技術(shù)，來識別并測試比當前鋰離子電池更加安全和高效的電解質(zhì)。
該項目側(cè)重于那些現(xiàn)有并且可以馬上投入市場的材料，但是另外一項相關(guān)研究則希望創(chuàng)建新分子材料代替現(xiàn)有材料。
IBM 的 AI 專家使用生成模型(GenerativeModels)來訓練 AI 學習已知材料的分子結(jié)構(gòu)和這些材料的粘度、熔點、電子導電率等物理性質(zhì)。
根據(jù) IBM 專家 Seiji Takeda 和 Young-hye 的郵件，他們使用已知的電解質(zhì)材料數(shù)據(jù)進行 AI 訓練，以此來設計合適的電解質(zhì)或離子導電聚合物。
一旦完成 AI 訓練，研究人員就可以要求 AI“設計一種符合 X、Y 和 Z 特性的新型分子電解質(zhì)材料”，AI 模型就會參考結(jié)構(gòu)特征關(guān)系，設計候選材料。
目前 IBM 已經(jīng)通過這種方法創(chuàng)建了一種名為 photoacid generators 的新分子，該分子可以幫助生產(chǎn)更環(huán)保的計算設備。
IBM 還通過這種技術(shù)，設計了更先進的高分子復合膜，其二氧化碳吸收效果更好，可以應用于碳捕捉技術(shù)中。
Seiji Takeda 和 Young-hye 稱，設計更具可持續(xù)性的電池將會是他們的下一個目標。
結(jié)語：從決策到執(zhí)行，AI 正提速材料創(chuàng)新
KoBold Metals 和 IBM 的研究證明，AI 技術(shù)可以在地質(zhì)學和材料學領(lǐng)域發(fā)揮更大作用。在這兩項研究中，AI 技術(shù)涉及了收集數(shù)據(jù)、分析數(shù)據(jù)、決策與執(zhí)行等多個環(huán)節(jié)，正在逐步改變各領(lǐng)域的思維方式。
這或許將推動這兩個領(lǐng)域更多的與 AI 領(lǐng)域研究者進行交流、合作。如果這兩項 AI 研究成功，都可以有效地降低對環(huán)境的破壞，更好地推動可持續(xù)發(fā)展，也在展示了 AI 在這兩個領(lǐng)域的前沿應用。
同時我們也看到，隨著電動汽車產(chǎn)業(yè)的快速發(fā)展，電池技術(shù)的未來前景十分可觀，這可能是電能替代化石燃料的重要一步。
營業(yè)執(zhí)照公示信息