AI turbolader søket etter metaller til elektriske kjøretøybatterier

AI turbolader søket etter metaller til elektriske kjøretøybatterier

Tidsstempel: 30. august 2023 kl.10: 00

Mens verden jobber for å gå over fra fossilt brensel til fornybare energikilder, vil vi utvinne mindre olje og gass fra jorden og flere mineraler som litium, kobolt og nikkel. Etterspørsel etter disse materialene har skutt i været de siste årene, og vil bare fortsette å vokse etter hvert som vi implementerer flere solcellepaneler, elbiler, batterier og vindturbiner. Å lokalisere og utvinne kritiske mineraler er kostbart, sakte og vanskelig. Men en Berkeley-basert oppstart ringte KoBold metaller bruker kunstig intelligens for å gjøre prosessen enklere.

De må være inne på noe, for det var selskapet erklærte en enhjørning tidligere i sommer etter å ha samlet inn 200 millioner dollar i finansiering, ledet av VC-kraftverk Gjennombrudd Energy Ventures (det er venturekapitalfirmaet grunnlagt av Bill Gates og støttet av Jeff Bezos og Jack Ma) og Andreessen Horowitz.

KoBold sier målet er å "transformere mineralutforskning fra en manuell, dømmende, prøving-og-feilprosess til en datadrevet og skalerbar vitenskap," med et spesifikt fokus på metaller for elektriske bilbatterier. Selskapet vil faktisk ikke gjøre noen gruvedrift selv – det vil finne nye forekomster og deretter samarbeide med gruveselskaper, og fungere som en rådgiver for å hjelpe dem med å utvinne metallene mer effektivt.

KoBold har et par forskjellige verktøy for å gjøre dette. Datasystemet heter TerraShed, og det er en konsolidering av alle geovitenskapelige data i det offentlige domene som tidligere var spredt over mange kilder og representert på forskjellige måter. Dataene kan inkludere alt fra kart som viser bergarten på et gitt sted til geokjemiske målinger av elementkonsentrasjon i stein- eller jordprøver til satellittbilder som måler den spektrale reflektansen til mineraler på jordens overflate - og mye mer.

TerraShed samlet alle disse datakildene og standardiserte måten informasjonen deres er representert på. Algoritmene knuser relevante data for hvert trinn i mineralutforskningsprosessen, og starter med letingen etter nye forekomster helt frem til byggingen av en ny gruve.

Machine Prospector er KoBolds verktøy for å forstå alle disse dataene og bruke dem til beslutningstaking. Den består av maskinlæringsmodeller trent på historiske geologiske data. I likhet med hvordan AI kan modellere strukturene og interaksjonene til millioner av proteiner på en brøkdel av tiden det vil ta et menneske, er teknologien kritisk for KoBolds operasjoner på grunn av den store mengden data som er involvert og de endeløse måtene den kan kombineres for å gi forskjellige resultater – eller i dette tilfellet nyttig informasjon.

KoBold bruker ikke bare eksisterende geologiske data, den søker også etter ny informasjon. En måte den gjør dette på er ved å henge en gigantisk metalldetektor fra et helikopter som flyr rundt og leter etter malmforekomster. Senderspolesløyfen er 35 meter (115 fot) i diameter, og den oppdager induserte strømmer som kommer fra metaller som er dypt under jorden.

AI turbolader søket etter PlatoBlockchain-dataintelligens for elektriske kjøretøybatterier. Vertikalt søk. Ai.
Et helikopter utstyrt med KoBolds senderspolesløyfe som kartlegger et skogkledd område for mineralforekomster. Bildekreditt: KoBold Metals

Som selskapet påpeker på sin nettside, er de fleste av verdens mineralforekomster som kan betraktes som lavthengende frukt – fordi de er relativt nær jordoverflaten i stedet for tusenvis av fot under jorden – allerede blitt oppdaget. For å drive den fornybare verdenen i en ikke altfor fjern fremtid, kommer vi til å trenge mye mer av disse mineralene, og de kommer til å være vanskeligere å finne enn eksisterende forekomster var.

KoBold utforsker for tiden over 60 mulige prosjekter på 3 forskjellige kontinenter.

Bilde Credit: KoBold metaller

Tidstempel:

Mer fra Singularity Hub