این الگوریتم‌ها در جستجوی مادر باتری EV هستند


«این چیزها هستند ویلسون بونر زمین شناس به من اطمینان می دهد در حالی که وسیله نقلیه چهار چرخی که او هدایت می کند ناگهان به طرفین کج می شود و من را به سمت گل و لای ریخته شده زیر چرخ هایمان می برد. ما در یک روز سرد پاییزی، کنار یک تپه جنگلی انبوه در روستایی انتاریو، کانادا را ،د می کنیم و به سمت نقطه ای می رویم که کارفرمای Bonner، استارتاپ KoBold Metals، می گوید نشان دهنده ازدواج هوش مصنوعی پیشرفته با یکی از انسان های بشری است. قدیمی ترین صنایع

ما واقعاً این مسیر نیم ساعته را نسبتاً بدون گل و لای کامل می‌کنیم، و در نهایت از میان حلقه‌ای از درختان ش،ته و برس‌های ش،ته در میان گل و لای بولدوزر ش،تیم. یک لوله سیاه به اندازه پهنای بازوی من از زمین بیرون می‌آید – انتهای بالای سوراخی به عمق تقریباً یک کیلومتر که توسط یک دکل حفاری به‌اندازه یک کامیون که بیکار در آن نزدیکی قرار دارد به زمین کوبیده شد. نگاه ، به آن زیاد نیست، اما این حفره ممکن است نشان دهنده گامی به سوی آینده معدن باشد، صنعتی که برای گذار جهان به انرژی های تجدیدپذیر حیاتی است.

از آنجایی که جهان به طرز بی‌نظمی شروع به تغییر از سوخت‌های فسیلی به جایگزین‌های سبزتر می‌کند، تقلای جه، برای یافتن مقادیر زیادی کبالت، لیتیوم و سایر ف،ات مورد نیاز برای ساخت تمام باتری‌های خودروهای الکتریکی، پنل‌های خورشیدی و توربین‌های بادی وجود دارد. نیاز داشتن اما یافتن ذخایر معدنی جدید همیشه دشوار و پرهزینه بوده است و روز به روز بیشتر می شود. بسیاری از ذخایر به راحتی کشف شده در جهان در حال حاضر مورد بهره برداری قرار گرفته اند. آنهایی که باقی مانده اند معمولا در مناطق دور افتاده و در اعماق زمین هستند. معدنچیان معمولاً می گویند از هر 100 گمانه اکتشافی فقط 1 مورد چیزی را نشان می دهد.

KoBold Metals، یک استارتاپ چهار ساله، در میان تعداد انگشت شماری از شرکت‌هایی است که تلاش می‌کنند با استفاده از هوش مصنوعی، این فرآیند را سریع‌تر، ارزان‌تر و کارآمدتر کنند. KoBold یک پایگاه داده تایت،ک ساخته است که شامل تمام اطلاعاتی است که می تواند در مورد پوسته زمین بیابد – معادل 30 میلیون صفحه گزارش زمین شناسی، نمونه خاک، تصاویر ماهواره ای، مقالات تحقیقاتی دانشگاهی، و گزارش های مید، دست نویس صد ساله. تیمی از دانشمندان داده همه این اطلاعات نامتجانس را به چیزی قابل خواندن توسط ماشین تبدیل می‌کنند – به ،وان مثال، گزارش‌های مکتوب را با نرم‌افزار خواندن کاراکتر نوری اسکن می‌کنند یا اطلاعات ژئوفیزیکی را استاندارد می‌کنند که در قالب‌های دیجیتالی مختلف ثبت شده‌اند.

همه اینها از طریق الگوریتم‌های یادگیری ماشینی انجام می‌شود که ال،ای زمین‌شناسی و سایر ویژگی‌های مکان‌هایی را که در گذشته ف،ات در آن‌ها یافت می‌شد، شناسایی می‌کنند. سپس می‌توان الگوریتم‌ها را در پایگاه داده کامل رها کرد تا مکان‌های امیدوارکننده‌ای با ال،ای مشابهی که کاوش نشده‌اند پیدا کنند، و یک سری نقشه‌ها را نشان دهند که ف،ات هدف احتمالاً کجا پیدا می‌شوند.

با حمایت سرمایه‌گذار، از جمله شرکت سرمایه‌گذاری Andreessen Horowitz و Breakthrough Energy Ventures بیل گیتس، اولین تیم‌های اکتشافی KoBold تابستان گذشته به زمین آمدند و در مناطقی در زامبیا، گرینلند و کانادا از جمله سایت انتاریو در نزدیکی دریاچه کریستال اکتشاف ،د.

KoBold به دنبال مس، کبالت، نیکل، لیتیوم و خاک‌های کمیاب است که اجزای اصلی باتری‌های خودروهای الکتریکی و سایر فناوری‌های انرژی تجدیدپذیر هستند. آژانس بین‌المللی انرژی پیش‌بینی می‌کند که تقاضا برای همه این ف،ات تا سال 2050 چهار برابر شود و تقاضا برای برخی مانند کبالت و نیکل تا 40 برابر افزایش یابد. در مجموع، آژانس ،ن می‌زند که بازار جمعی مواد معدنی مورد نیاز برای «فناوری‌های انرژی پاک» – از منابع انرژی تجدیدپذیر گرفته تا باتری‌ها و شبکه‌های برق – تا سال 2050 بیش از پنج برابر خواهد شد و به حدود 400 میلیارد دلار خواهد رسید.


منبع: https://www.wired.com/story/these-mining-algorithms-are-،ting-for-an-ev-battery-mother-lode/