IT思维

公众号/ScienceAI（Philosophyai）

编译：文龙

随着世界上越来越多的汽车、大型卡车和轮船使用电力进行驱动，对电池中使用的金属材料的需求将会产生激增。采矿业的蓬勃发展引发了人们对环境破坏和劳工滥用的担忧，推动人们寻求可持续的电池和尖端电子产品的制造方法。

人工智能可以帮助改善甚至是代替电池金属的开采方式。矿业勘探初创公司 KoBold Metals 正在开发一种 AI 智能体，旨在寻找最理想的矿床。与此同时，IBM Research 正在使用 AI 技术在已有材料中识别可替代的材料，以及开发新的化学方法。

KoBold 表示，他们的技术可以减少侵入式勘探任务的需求。侵入式勘探通常需要对地质进行多次探索以寻找稀有的优质储量，成本高昂。

该联合创始人兼首席执行官库尔特 · 豪斯（Kurt House）说：「所有的从地下挖出来的东西都已被发掘。与此同时，我们意识到需要大规模改变能源系统，而这需要所有这些新的矿物质。」

KoBold Metals 联合创始人兼 CEO Kurt House 在项目现场（来源：KoBold Metals）

KoBold 与斯坦福大学的地球资源预测中心合作开发了一个 AI 智能体，该智能体可以决定勘探者在何处集中精力工作以及如何工作。这家初创公司主要寻找铜、钴、镍和锂，这些金属是制造电动汽车电池、太阳能电池板、智能手机和许多其他设备的关键材料。

斯坦福大学地质科学教授杰夫 · 卡尔斯（Jef Caers）指出，这一想法是为了加快决策过程，使勘探者能够一次评估多个地点。「我们发现了许多以往还需等待 10 到 20 年才能发现的发现。如果我们想摆脱化石燃料的影响、对 [气候变化] 做出贡献，就需要在未来几年内有新的发现。」

仅轻型机动车对金属的需求量就很大。根据《自然》（Nature）杂志 12 月份的一篇论文显示，随着各国致力于减少温室气体的排放，全球电动汽车的数量可能会从 2019 年的 750 万辆增加到 2050 年的 20 亿辆。该论文的作者表示，为这些车辆提供动力将需要 12 太瓦小时的年电池容量，大约是当前美国发电容量的 10 倍，这意味着电池金属供应链的「急剧扩张」。

KoBold Metals 的帕特里克 · 雷德蒙德（Patrick Redmond）评估了赞比亚一个潜在的钴铜矿开采场。（来源：KoBold Metals）

几乎所有的锂离子电池都会用到钴。钴的主要来源是刚果民主共和国，那里的开采人员多数为青年甚至是儿童，并且，他们经常需要在危险的情况下工作。铜是另一种重要的电动汽车材料，需要大量水才能开采，但全球大部分的供应来自智利阿塔卡马沙漠附近的缺水地区。

矿业公司所面临的挑战是如何以可持续发展的方式扩大运营范围而又不造成任何大的破坏。

KoBold 的 AI 驱动方法源于其数据平台，他们的数据平台存储了特定区域相关的所有可用信息，包括土壤样品、高光谱卫星成像和具有悠久历史的手写钻探报告。然后，该公司运用机器学习的方法来预测成分异常的位置。

KoBold 与斯坦福大学合作，正在完善顺序决策算法，以确定勘探者下一步应如何收集数据。也许他们应该在现场上空驾驶飞机或收集钻探样本；也许公司应该远离可能过时的东西。这些步骤目前是冒险且昂贵的，并且公司为避免浪费资源而采取缓慢行动。

Caers 认为 AI 智能体做出决策的速度比人类快约 20 倍，同时还可以减少采矿勘探中的误报率。他补充说：「这在地球科学领域是全新的。」

KoBold Metals 的 AI 可视化描绘了井眼电磁模型的预测图，左侧为真实值，右侧为预测。（来源：KoBold Metals）

受比尔 · 盖茨（Bill Gates）团队支持的 KoBold 已经在澳大利亚、北美和撒哈拉以南非洲地区探索三个地点。House 声称，今年收集的现场数据将首次证实该公司的预测。

IBM 研究人员正在积极寻找其他溶剂和材料，以减少钴和锂等电池成分的使用。

研究团队正在使用 AI 技术来识别和测试比当前锂离子电池具有更高安全性和性能潜力的溶剂。与其他旨在创建全新分子的相关的研究工作不同的是，该项目侧重于测试现有的可以立即在商业上应用的材料。

专家使用「生成模型」学习已知材料的分子结构以及诸如粘度、熔点、电子电导率等特性。

「例如，如果我们想要用生成模型设计用于电池的新电解质材料，例如用来形成离子导电聚合物的电解质溶剂或合适的单体，那么我们应该使用已知的电解质材料数据来训练 AI，」IBM Research 的武田圣治（Seiji Takeda）和 Young-hye Na 在一封电子邮件中说。

他们表示，一旦完成 AI 训练，研究人员可以输入一个问题，比方说「设计一种符合 X，Y 和 Z 特性的新型分子电解质材料」。然后，模型通过参考结构特征关系来设计候选材料。

IBM 已经使用这种 AI 增强的方法创建了名为光酸发生剂的新分子，这些分子将有助于生产出更环保的计算设备。研究人员还设计了与目前碳捕获技术中使用的膜相比能够更好地吸收二氧化碳的聚合物膜。

武田和 Na 认为，设计更具可持续性的电池「是我们的下一个挑战」。

原文：https://spectrum.ieee.org/tech-talk/robotics/artificial-intelligence/ai-tools-find-essential-battery-materials