Didelis technologijų ieškojimas, norint rasti metalų, reikalingų energetiniam kapitaliniam remontui

Ličio, kobalto, grafito ir kitų baterijų medžiagų paklausa sparčiai auga. AI gali padėti juos iškasti.

Nikelio kasykla ir lydykla Manitoboje. Getty

pateikė

• Maddie Stone archyvo puslapis

2021 m. rugpjūčio 11 d

Pastarosiomis savaitėmis kiekvieną dieną, kai leisdavo orai, virš atokios šiaurinės Kvebeko dalies skrido sraigtasparnis, kurį užsakė „KoBold Metals“, gabendamas neįprastą krovinį.

Ant laivo pilvo kabojo 115 pėdų pločio varinė ritė, siųsdama į žemę elektromagnetines bangas ir kurdama sroves uolienose giliai po žeme. Bet kokie geri elektros laidininkai siųsdavo signalinius signalus atgal į imtuvo ritę, o tai rodo, kad uolienose gali būti vertingų nikelio ir kobalto nuosėdų – metalų, naudojamų mobiliųjų telefonų, nešiojamųjų kompiuterių ir elektromobilių baterijose.

Po to, kai pilotas baigė skenuoti žemės plotą – gerą dieną sraigtasparnis įveiks daugiau nei 100 mylių – duomenys per palydovą buvo perduoti KoBold mokslininkams, dirbantiems biuruose už tūkstančių mylių. Šie mokslininkai naujus tyrimo duomenis prijungė prie mašininio mokymosi modelių, kurie sujungė juos su daugybe kitų duomenų, kuriuos bendrovė surinko, kad pagerintų regiono geologijos supratimą. Galiausiai visą šią informaciją jie įtraukė į dirbtinio intelekto sistemą KoBold, sukurtą bendradarbiaujant su Stanfordo universitetu. Sistema naudoja didžiulę skaičiavimo galią, kad patartų komandai, kur geriausia atlikti tyrimą.

Naudodama šią aukštųjų technologijų programinės įrangos rinkinį, San Franciske įsikūrusi mineralų tyrinėjimo įmonė, kurią remia Billas Gatesas ir Jeffas Bezosas, gali kasdien keisti savo tyrimų planus, kad galėtų greičiau rasti perspektyvias gręžimo vietas.

Tai labai toli nuo to, kaip geologai tradiciškai medžiojo naudingųjų iškasenų telkinius, o tai prilygsta lauko duomenų rinkimui ir jų analizei pasibaigus žvalgymo sezonui.

Kai įprasti metodai visiškai priklausė nuo žmogaus interpretacijos, šiais laikais yra duomenų mokslas ir mašinų mokymasis tampa didesnę dalį pastangų surasti kitą didelę atlyginimo dieną po žeme. Pripažįstant, kad metalus, kuriais grindžiamos šiuolaikinės technologijos, tampa vis sunkiau rasti švarios energijos sektoriuje apetitas jiems auga eksponentiškai , Silicio slėnio investuotojai lažinasi, kad tokios įmonės kaip KoBold gali padėti kasybos verslui neatsilikti, paspartindamos naujų rūdų atradimą ir sumažindamos išlaidas.

Nesvarbu, ar ši nuojauta teisinga, ar ne, ekspertai teigia, kad pagrindinių technologijų veikėjų įsitraukimas gali atkreipti dėmesį į investicijų į naujas kasyklas trūkumą ir galbūt pritraukti reikiamą finansavimą pradedančiosioms įmonėms, norinčioms surinkti metalus ekologiškesniu ir socialiniu požiūriu atsakingesniu būdu.

Kai žmonės galvoja apie elektrines transporto priemones, lengva pamiršti apie žaliavas, kurios tiekiamos į šiuos blizgančius daiktus, kuriuos matome salone, sako Kwasi Ampofo , energetikos tyrimų įmonės BloombergNEF kasybos sektoriaus analitikas.

Sunkiau rasti

Tikimasi, kad metalų ir mineralų, pvz., ličio, kobalto, grafito ir nikelio, naudojamų elektrinėms transporto priemonėms ir tinklui maitinančioms baterijomis, paklausa padidės. ateinančiais metais . A gegužė ataskaita Tarptautinė energetikos agentūra nustatė, kad švarios energijos technologijų diegimas tokiu tempu, kurio reikia norint užkirsti kelią 2 ˚C pasauliniam atšilimui, iki 2040 m. energijos kaupimui naudojamų mineralų paklausa padidės daugiau nei trisdešimt kartų.

Susijusi istorija

Kasyba 24 valandas per parą su robotais Kasybos įmonės diegia autonominius sunkvežimius, grąžtus ir traukinius, kurie padidins efektyvumą, bet taip pat sumažins darbuotojų poreikį.

Bet kasybos sektorius nespėja koja kojon . Naujų kasyklų pristatymas internete gali užtrukti daugiau nei dešimtmetį, kai įmonė užsitikrins teises ir leidimus. Atrasti geriausią vietą duobei žemėje iškasti gali užtrukti dar ilgiau: dauguma lengvai atpažįstamų aukštos kokybės rūdos kūnų jau rasta ir investuojama į žvalgymą. mažėja , naujus naudingųjų iškasenų telkinius aptikti vis sunkiau. Lauke dažnai skelbiama nykščio taisyklė yra ta, kad tik vienoje iš 100 įvertintų vietų atsiras telkinys, kurį galima pelningai iškasti. Tačiau kai kurie ekspertai mano, kad tai yra arčiau vieno iš 1000.

Duomenų mokslo įrankiai, pvz., mašininis mokymasis, kai algoritmai yra mokomi atsijoti didžiulius duomenų rinkinius ir pastebėti šablonus, gali labai pagreitinti atradimo procesą. Kasybos įmonės vis dažniau naudoja šias sistemas geologijos, geochemijos ir geofizikos duomenų rinkiniams iš karto analizuoti, tikėdamosi aptikti koreliacijas, kurios žmogui nebūtų akivaizdžios.

Derindama šį metodą su AI sprendimų priėmimo įrankiu, sukurtu kartu su Stanfordu, KoBold lažinasi, kad jis gali padidinti atradimų rodiklius 20 kartų, sakoma. Joshas Goldmanas , bendrovės vyriausiasis technologijų pareigūnas. KoBold teigia, kad šis metodas taip pat sumažins žvalgymo poveikį aplinkai, nes tai reikš, kad žemėje bus mažiau švaistomų gręžinių.

Skirtingai nei kelis kitas duomenų mokslo įmonės, kurios daugiausia dėmesio skiria kasybai, „KoBold“ neparduoda paslaugos. Vietoj to, ji kuria programinės įrangos įrankius, kad galėtų vadovauti savo tiriamajam darbui, o tai reiškia, kad KoBold turi nuspręsti, kur bus ieškoma. Ir ji teigia, kad ji veiks tik tose srityse, kur tai gali padaryti etiškai ir su bendruomenės įpirkimu.

KoBold darbuotojai šioje srityje ruošiasi tyrimui iš oro.

LEPRECHAUNAS

Nors dar reikia pamatyti, ar KoBold gali ištesėti pažadus dėl daug geresnių atradimų rodiklių ir švaresnių kasybos operacijų, pardavimų žingsnis sulaukė investuotojų atgarsio. 2018 m. įkurta įmonė, kurioje dirba maždaug dvi dešimtys duomenų mokslininkų ir geologų, surinko dešimtis milijonų dolerių iš Breakthrough Energy Ventures – klimato technologijų fondo, kurio investuotojai ir valdybos nariai yra Billas Gatesas, Jeffas Bezosas ir Richardas Bransonas. nariai, taip pat Andreessenas Horowitzas , pirmaujanti Silicio slėnio rizikos kapitalo įmonė. 2021 m. pradžioje Norvegijos valstybinė naftos bendrovė „Equinor“ perėmė „KoBold“ akcijų paketą ir pažadėjo papildomą finansavimą per savo rizikos kapitalo padalinį, kuris investuoja į įmones, kurios siekia sukurti mažai anglies dioksido į aplinką išskiriančių technologijų ateitį.

Investavome į „KoBold Metals“, kad padėtume išspręsti kritinę problemą, susijusią su didžiulių pagrindinių baterijų medžiagų, reikalingų planetai elektrifikuoti, paieška ir kūrimas“, – sako Carmichaelis Robertsas, dirbantis „Breakthrough Energy Ventures“ investicijų komitete. Galimas trūkumas ir kobalto, ir nikelio tikimasi per ateinantį dešimtmetį. Kobalto ir nikelio gavybos istorija taip pat yra nerami aplinkosaugos ir Žmonių teisės piktnaudžiavimai, dėjimas spaudimas didžiosioms technologijų įmonėms, kad jos rastų daugiau etiškų šaltinių.

Bendrovė turi dvi viešai paskelbtas kasybos pretenzijas Kvebekas ir šiaurinis Saskačevanas , kur šią vasarą atlieka žvalgomuosius lauko darbus iš žemės ir oro. Goldmanas teigia, kad jis taip pat dirba trečiajame neatskleistame turte Kanadoje ir nenurodytose vietose Zambijoje ir Vakarų Australijoje.

Viena iš priežasčių, kodėl bendrovė savo pradines pastangas sutelkė į Kanadą, yra ta, kad tauta viešai turi daug tyrimų duomenų, įskaitant naratyvines lauko ataskaitas, laiko susidėvėjusius geologinius žemėlapius, geocheminius duomenis apie gręžinių mėginius, oro magnetinių ir elektromagnetinių tyrimų duomenis. , lidaro rodmenys ir palydovinės nuotraukos, apimančios daugelį dešimtmečių tyrinėjimų.

Turime sistemą, kurioje galime gauti visus šiuos duomenis ir saugoti juos standartiniais formatais, kontroliuoti visų duomenų kokybę, padaryti jų paiešką ir turėti galimybę programiškai prieiti prie jų, sako Goldmanas.

Aukštųjų technologijų impulsas

Surinkusi visą turimą informaciją apie svetainę, KoBold komanda tiria duomenis naudodama mašininį mokymąsi. Pavyzdžiui, bendrovė gali sukurti modelį, skirtą numatyti, kuriose rūdos telkinių dalyse yra didžiausia kobalto koncentracija, arba sukurti naują geologinį regiono žemėlapį, kuriame būtų parodyti visi skirtingi uolienų tipai ir lūžių struktūros. Jis gali pridėti naujų duomenų prie šių modelių, kai jie yra renkami, todėl KoBold gali adaptyviai keisti savo tyrinėjimo strategiją beveik realiuoju laiku, sako Goldmanas.

Kanada viešai skelbia duomenų rinkinius ir kitą informaciją, pvz., Lidar sukurtą Saskačevano vaizdą.

KANADOS VYRIAUSYBĖ

KoBold jau pasinaudojo mašininio mokymosi modelių įžvalgomis, kad įsigytų Kanados kasybos pretenzijas ir sukurtų lauko programas. Jos partnerystė su Stanfordo Žemės išteklių prognozavimo centras , vykdomas nuo vasario mėn., prie mišinio prideda papildomą analitikos sluoksnį kaip AI sprendimų agentą, galintį sudaryti visą tyrinėjimo planą.

Stenfordo geologas Jef Caers, prižiūrintis bendradarbiavimą, paaiškina, kad šis skaitmeninių sprendimų priėmėjas kiekybiškai įvertina KoBold modelio rezultatų neapibrėžtumą ir tada parengia duomenų rinkimo planą, kad nuosekliai sumažintų tą neapibrėžtumą. Kaip šachmatininkas, bandantis laimėti partiją kuo mažiau ėjimų, dirbtinis intelektas sieks padėti KoBoldui priimti sprendimą dėl perspektyvos su minimaliomis pastangomis – nesvarbu, ar šis sprendimas yra treniruotis tam tikroje vietoje, ar pasitraukti.

Guy Desharnais , tyrinėjantis geologas, kuris turi parašyta ir skaitė paskaitas apie mašininio mokymosi taikomąsias programas, sako, kad yra labai naudinga naudoti tokius įrankius norint vienu metu sudaryti ir analizuoti daugybę duomenų rinkinių. Tačiau Desharnais taip pat perspėja, kad yra daug įspėjimų, ar mašininis mokymasis gali padaryti intuityvius šuolius ar protingus sprendimus.

Geologiniai duomenys dažnai yra labai neryškūs tiek erdvėje, tiek laike, o dėl šio netolygumo kartu su nenuoseklia duomenų kokybe modeliai gali prisirišti prie klaidingų signalų arba padaryti neteisingas išvadas. Be to, kadangi aukštos kokybės rūdos kūnų pasitaiko retai, geologai dažnai neturi daug teigiamų pavyzdžių, ko jie ieško, norėdami išmokyti algoritmą aptikti panašius.

Galų gale, tikrasis indėlio radimo darbas bus žmogaus geologas, kuris imsis šių įrankių, kad padidintų savo galimybes, sako Desharnais.

Gali būti sunku pasakyti, ar mašininis mokymasis ar kiti AI įrankiai padeda žmonėms atrasti dalykus, kurių jie patys nerastų, sako Holly Bridgwater Australijos organizacijos „Unearthed“, kuri rengia hakatonus ir kitas pastangas skatinti inovacijas išteklių sektoriuje, tyrinėtojas geologas. Bridgwater paaiškina, kad kada nors išbandomi tik keli potencialūs kasybos objektai, nes procesas yra toks brangus. Ji sako, kad gauti teigiamą grįžtamąjį ryšį apie tai, kas iš tikrųjų veikia, yra iššūkis.

Tačiau nors Bridgwater įtaria, kad KoBold bus sunku įrodyti, kad jos įrankiai iš tikrųjų pagerina mineralų atradimų rodiklius dvidešimt kartų, ji mano, kad įmonės tikslas buvo pagrįstas. Manau, kad tai labai tikėtina, sako ji, nes mūsų pataikymo rodiklis yra toks blogas.

„BloombergNEF“ kasybos analitikas Ampofo teigia, kad gerai finansuojamo technologijų startuolio, patekusio į kasybos erdvę, simbolika gali būti svarbesnė nei bet kokių baterijų metalų, kuriuos atranda „KoBold“.

Desharnais sutinka.

Manau, kad didžiausią įtaką tokiai kompanijai kaip „KoBold“ turės tai, kad ji atkreips dėmesį į investicijų trūkumą, sako jis. Jie galės surinkti pinigų iš šaltinių, kur kiti žmonės pinigų nerinko – kad būtų galima gauti naujų duomenų arba atnaujinti senus duomenis ir iš tikrųjų rasti naujų dalykų.