智東西（公眾號：zhidxcom）
編譯 | 高歌
編輯 | 雲鵬
智東西3月5日消息，IBM、礦業勘探初創公司KoBold Metals和斯坦福大學正在利用AI技術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採環節更加環保。
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，也會產生一系列環境問題。
為此KoBold Metals公司正在聯合斯坦福大學開發一種AI智能體技術，以此搜尋那些開採時對環境影響最小的金屬礦脈，有可能提高20倍的勘探效率。IBM則使用現有電解質材料數據訓練AI，使AI可以設計出較為環保的分子電解質材料。
IBM AI技術鏈接：https://www.ibm.com/blogs/research/2021/03/ibm-molecule-generation-experience/
KoBold Metals與斯坦福大學地球資源預測中心合作開發了一個AI智能體，這項技術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據，如在現場上空駕駛飛機、收集鑽探樣本等。
斯坦福大學地質學家Jef Caers教授稱，AI智能體可以加快勘探決策過程，使勘探者能夠一次評估多個地點。
他將該技術比作自動駕駛汽車，該車輛不僅可以收集、處理周圍環境數據，還能根據環境數據採取行動，進行導航或改變車輛行駛速度。
而KoBold Metals的AI智能體技術，可以通過分析土壤樣品、衞星的高光譜成像、歷史中存留的手寫鑽探報告等數據，應用機器學習方法來預測礦體成分異常的位置。
AI可視化描繪了井眼電磁模型的預測圖，左圖為真實值，右圖為預測值（來源：KoBold Metals）
KoBold Metals聯合創始人兼CEO庫爾特·豪斯（Kurt House）稱，當地下的各種礦藏都被發現時，人們意識到需要大規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鍵材料。
根據《自然》12月份的一篇論文，全球電動汽車的數量在2019年為750萬輛，隨着各國減少温室氣體排放的努力，2050年這個數字可能會變成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電總量的10倍，這意味着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説：“如果我們現在想要減輕温室效應並擺脱化石燃料，我們需要在幾年內製造更多的電池，不能再等待10-20年來期待發現更多的金屬礦物。”
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，那裏的成年人和兒童經常需要冒着生命危險進行開採。
銅也是一種重要的材料，但是銅開採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。
在這種情況下，礦業公司很難在擴大開採的同時，不對當地的生態環境和人民生活造成破壞。
Kurt House在項目現場（來源：KoBold Metals）
Kurt House稱，如果想要減少開採對環境的影響，通常需要多次地址考察，以尋找優質的礦脈，而該AI智能體可以減少考察時間與成本。
這些步驟之前對於勘探公司來説成本較高，風險較大，所以公司經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，這在地質科學中是一個全新的領域。
受比爾·蓋茨領導的Breakthrough Energy Ventures基金支持，KoBold Metals已經在澳大利亞、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場數據，這些數據也將首次證實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，以設計符合可持續理念的電池。
其研究團隊正在使用AI技術，來識別並測試比當前鋰離子電池更加安全和高效的電解質。
該項目側重於那些現有並且可以馬上投入市場的材料，但是另外一項相關研究則希望創建新分子材料代替現有材料。
IBM的AI專家使用生成模型（Generative Models）來訓練AI學習已知材料的分子結構和這些材料的粘度、熔點、電子導電率等物理性質。
根據IBM專家Seiji Takeda和Young-hye的郵件，他們使用已知的電解質材料數據進行AI訓練，以此來設計合適的電解質或離子導電聚合物。
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材料”，AI模型就會參考結構特徵關係，設計候選材料。
目前IBM已經通過這種方法創建了一種名為photoacid generators的新分子，該分子可以幫助生產更環保的計算設備。
IBM還通過這種技術，設計了更先進的高分子複合膜，其二氧化碳吸收效果更好，可以應用於碳捕捉技術中。
Seiji Takeda和Young-hye稱，設計更具可持續性的電池將會是他們的下一個目標。
結語：從決策到執行，AI正提速材料創新KoBold Metals和IBM的研究證明，AI技術可以在地質學和材料學領域發揮更大作用。在這兩項研究中，AI技術涉及了收集數據、分析數據、決策與執行等多個環節，正在逐步改變各領域的思維方式。
這或許將推動這兩個領域更多的與AI領域研究者進行交流、合作。如果這兩項AI研究成功，都可以有效地降低對環境的破壞，更好地推動可持續發展，也在展示了AI在這兩個領域的前沿應用。
同時我們也看到，隨着電動汽車產業的快速發展，電池技術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。
來源：IEEE Spectrum