3 月 5 日訊息，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 智慧體技術，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資料訓練 AI，使 AI 可以設計出較為環保的分子電解質材料。

IBM AI 技術連結：點此檢視

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了一個 AI 智慧體，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 智慧體的順序決策演算法，來確定勘探者下一步應如何收集資料，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 智慧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、處理周圍環境資料，還能根據環境資料採取行動，進行導航或改變車輛行駛速度。

而 KoBold Metals 的 AI 智慧體技術，可以通過分析土壤樣品、衛星的高光譜成像、歷史中存留的手寫鑽探報告等資料，應用機器學習方法來預測礦體成分異常的位置。

▲ AI 視覺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、智慧手機等裝置電池的關鍵材料。

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，隨著各國減少溫室氣體排放的努力，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，這意味著金屬供應鏈將急劇擴張。

二、AI 智慧體速度超人類 20 倍，降低勘探成本

Jef Caers 說：“如果我們現在想要減輕溫室效應並擺脫化石燃料，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，那裡的成年人和兒童經常需要冒著生命危險進行開採。

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 在專案現場（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 智慧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說成本較高，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 智慧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 基金支援，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資料，這些資料也將首次證實 AI 智慧體判斷的準確程度。

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。

該專案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建立新分子材料代替現有材料。

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資料進行 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 已經通過這種方法建立了一種名為 photoacid generators 的新分子，該分子可以幫助生產更環保的計算裝置。

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 技術涉及了收集資料、分析資料、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，隨著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。