Den store teknologiske søgen efter at finde de metaller, der er nødvendige til energieftersynet

Efterspørgslen efter lithium, kobolt, grafit og andre batterimaterialer er skyhøje. AI kan hjælpe med at grave dem op.

En nikkelmine og smelter i Manitoba. Getty

ved

• Maddie Stone arkiv side

11. august 2021

I de seneste uger, hver dag vejret tillod det, fløj en helikopter kontraheret af KoBold Metals over en fjern del af det nordlige Quebec med noget usædvanlig last.

En 115 fod bred kobberspole dinglede fra fartøjets bug og sendte elektromagnetiske bølger ind i jorden og skabte strømme i klipper dybt under jorden. Alle gode elektriske ledere sendte signaler tilbage til en modtagerspole, hvilket tyder på, at klipperne kan indeholde værdifulde aflejringer af nikkel og kobolt - metaller, der bruges i batterierne, der driver mobiltelefoner, bærbare computere og elbiler.

Efter at piloten var færdig med at scanne et skår af land - på en god dag vil helikopteren dække mere end 100 miles - blev dataene transmitteret via satellit til KoBold-forskere, der arbejder på kontorer tusindvis af miles væk. Disse forskere tilsluttede de nye undersøgelsesdata til maskinlæringsmodeller, som kombinerede dem med bunkevis af andre data, som virksomheden har indsamlet for at forbedre forståelsen af ​​regionens geologi. Endelig fodrede de al denne information ind i et kunstig intelligenssystem KoBold udviklet i samarbejde med Stanford University. Systemet trækker på stor beregningskraft til at rådgive teamet om de bedste steder at undersøge næste gang.

Ved at bruge denne højteknologiske række af softwareværktøjer kan det San Francisco-baserede mineralefterforskningsfirma, støttet af Bill Gates og Jeff Bezos, ændre sine luftbårne undersøgelsesplaner fra dag til dag til hurtigere at komme ind på lovende steder at bore.

Det er langt fra, hvordan geologer traditionelt har jagtet efter mineralforekomster, hvilket går ud på at indsamle feltdata og analysere dem, når efterforskningssæsonen er forbi.

Hvor konventionelle metoder udelukkende var afhængige af menneskelig fortolkning, er datavidenskab og maskinlæring i disse dage blive en større del af bestræbelserne på at finde den næste store lønningsdag under jorden. I erkendelse af, at metallerne, der ligger til grund for moderne teknologi, bliver sværere at finde, efterhånden som sektoren for ren energi appetit for dem vokser eksponentielt , Silicon Valley-investorer satser på, at virksomheder som KoBold kan hjælpe minedriften med at følge med, fremskynde opdagelsen af ​​nye malme og nedbringe omkostningerne.

Uanset om den anelse er korrekt eller ej, siger eksperter, at involvering af store tech-figurer kan henlede opmærksomheden på manglen på investeringer i nye miner og potentielt tiltrække nødvendige midler til startups, der håber at høste metaller på en mere miljømæssigt og socialt ansvarlig måde.

Når folk tænker på elektriske køretøjer, er det let at glemme alt om de råmaterialer, der tilføres disse skinnende ting, vi ser i udstillingslokalet, siger Kwasi Ampofo , en minesektoranalytiker hos energiforskningsfirmaet BloombergNEF.

Sværere at finde

Efterspørgslen efter metaller og mineraler som lithium, kobolt, grafit og nikkel, der alle bruges i batterier, der driver elektriske køretøjer og elnettet, forventes at stigning i de kommende år . En maj rapport af Det Internationale Energiagentur fandt ud af, at anvendelse af ren energiteknologi i det tempo, der er nødvendigt for at forhindre 2 ˚C af global opvarmning, vil øge efterspørgslen efter mineraler, der bruges til energilagring, mere end tredive gange inden 2040.

Relateret historie

Minedrift 24 timer i døgnet med robotter Minevirksomheder udruller autonome lastbiler, boremaskiner og tog, hvilket vil øge effektiviteten, men også reducere behovet for menneskelige medarbejdere.

Men minesektoren holder ikke trit . Det kan tage mere end et årti at bringe nye miner online, når først en virksomhed har sikret sig mineralrettigheder og tilladelser. At opdage det bedste sted at grave et hul i jorden kan tage endnu længere tid: med de fleste af de let identificerbare, højkvalitets malmlegemer, der allerede er fundet og investeringer i udforskning faldende , nye mineralforekomster bliver sværere at få øje på. En almindeligt udtalt tommelfingerregel på området er, at kun én ud af 100 evaluerede lokaliteter vil finde en forekomst, der med fordel kan udvindes. Men nogle eksperter mener, at det er tættere på én ud af 1.000.

Datavidenskabelige værktøjer som maskinlæring, hvor algoritmer trænes til at gennemsøge massive datasæt og spotmønstre, har potentialet til i høj grad at fremskynde opdagelsesprocessen. I stigende grad bruger mineselskaber disse systemer til at analysere datasæt om geologi, geokemi og geofysik på én gang i håb om at opdage sammenhænge, ​​der ikke ville være synlige for et menneske.

Ved at kombinere denne tilgang med AI-beslutningsværktøjet udviklet med Stanford, satser KoBold på, at det kan øge opdagelsesraterne med en faktor på 20, siger Josh Goldman , virksomhedens teknologichef. KoBold siger, at tilgangen også vil reducere miljøpåvirkningen af ​​efterforskning, fordi det vil betyde færre spildte borehuller i jorden.

I modsætning til flere Andet datavidenskabsvirksomheder, der fokuserer på minedrift, sælger KoBold ikke en tjeneste. I stedet udvikler det softwareværktøjer til at guide sit eget udforskningsarbejde, hvilket betyder, at KoBold kan bestemme, hvor efterforskning vil finde sted. Og den hævder, at den kun vil fungere på områder, hvor den kan gøre det etisk og med fællesskabets buy-in.

KoBold-arbejdere i marken forbereder sig til en luftundersøgelse.

LEPRECHAUN

Selvom det stadig skal ses, om KoBold kan indfri løfterne om langt bedre opdagelsesrater og renere minedrift, har salgstallene givet genlyd hos investorerne. Virksomheden, der blev grundlagt i 2018 og beskæftiger omkring to dusin datavidenskabsmænd og geologer, har rejst titusindvis af millioner dollars fra Breakthrough Energy Ventures, en klimateknologifond, der tæller Bill Gates, Jeff Bezos og Richard Branson blandt sine investorer og bestyrelse. medlemmer, samt Andreessen Horowitz , et førende Silicon Valley venturekapitalfirma. I begyndelsen af ​​2021 tog det norske statslige olieselskab Equinor en andel i KoBold og lovede yderligere finansiering gennem sin venturekapitalarm, som investerer i virksomheder, der arbejder for at skabe en fremtid med lavt kulstofindhold.

Vi investerede i KoBold Metals for at hjælpe med at løse det kritiske problem med at finde og udvikle de enorme mængder af de vigtigste batterimaterialer, der er nødvendige for at elektrificere planeten, siger Carmichael Roberts, der sidder i investeringsudvalget hos Breakthrough Energy Ventures. Mulig mangel på både kobolt og nikkel forventes inden for det næste årti. Kobolt- og nikkelminedrift deler også en urolig historie om miljømæssige og menneskerettigheder misbrug, placering tryk på store tech-virksomheder for at finde flere etiske kilder.

Virksomheden har to offentligt offentliggjorte minekrav, i Quebec og det nordlige Saskatchewan , hvor den udfører sonderende feltarbejde fra jorden og luften denne sommer. Det arbejder også på en tredje ikke-afsløret ejendom i Canada og på uspecificerede steder i Zambia og det vestlige Australien, siger Goldman.

En del af grunden til, at virksomheden har fokuseret sin indledende indsats på Canada, er, at nationen har store mængder undersøgelsesdata i det offentlige domæne, herunder fortællende feltrapporter, tidsslidte geologiske kort, geokemiske data om borehulsprøver, luftbårne magnetiske og elektromagnetiske undersøgelsesdata , lidar-aflæsninger og satellitbilleder, der spænder over mange årtiers udforskning.

Vi har et system, hvor vi kan indtage alle disse data og gemme dem i standardformater, kvalitetskontrollere alle data, gøre dem søgbare og være i stand til programmæssigt at få adgang til dem, siger Goldman.

Højteknologisk momentum

Når det har samlet alle tilgængelige oplysninger til et websted, udforsker KoBolds team dataene ved hjælp af maskinlæring. Virksomheden kan for eksempel bygge en model til at forudsige, hvilke dele af malmforekomster der har de højeste koncentrationer af kobolt, eller lave et nyt geologisk kort over en region, der viser alle de forskellige bjergarter og forkastningsstrukturer. Det kan tilføje nye data til disse modeller, efterhånden som det indsamles, hvilket giver KoBold mulighed for adaptivt at ændre sin udforskningsstrategi næsten i realtid, siger Goldman.

Canada gør datasæt og anden information offentligt tilgængelig, såsom dette lidar-genererede billede af Saskatchewan.

CANADAS REGERING

KoBold har allerede brugt indsigt fra maskinlæringsmodeller til at erhverve sine canadiske minekrav og udvikle sine feltprogrammer. Dets partnerskab med Stanford's Center for prognoser for jordressourcer , der er undervejs siden februar, tilføjer et ekstra lag af analyser til blandingen i form af en AI-beslutningsagent, der kan kortlægge en hel efterforskningsplan.

Stanford geovidenskabsmand Jef Caers, som fører tilsyn med samarbejdet, forklarer, at denne digitale beslutningstager kvantificerer usikkerheden i KoBolds modelresultater og designer derefter en dataindsamlingsplan for sekventielt at reducere denne usikkerhed. Ligesom en skakspiller, der forsøger at vinde et spil i så få træk som muligt, vil AI sigte mod at hjælpe KoBold med at nå en beslutning om et kundeemne med minimalt spildt kræfter – uanset om denne beslutning er at bore et bestemt sted eller gå væk.

Guy Desharnais , en udforskningsgeolog, der har skrevet og forelæste om minedriftsapplikationer til maskinlæring, siger, at der er en enorm værdi i at bruge denne slags værktøjer til at kompilere og analysere mange datasæt på én gang. Men Desharnais advarer også om, at der er mange forbehold om, hvorvidt maskinlæring kan tage intuitive spring eller intelligente beslutninger.

Geologiske data er ofte meget ujævne både i rum og tid, og denne ujævnhed, sammen med inkonsekvent datakvalitet, kan få modeller til at låse sig fast på falske signaler eller lave forkerte slutninger. Hvad mere er, fordi malmlegemer af høj kvalitet er sjældne, har geologer ofte ikke mange positive eksempler på, hvad de leder efter for at træne en algoritme til at opdage lignende.

I slutningen af ​​dagen vil det virkelige arbejde med at finde forekomsten være en menneskelig geolog, der vil tage disse værktøjer til at forbedre deres kapacitet, siger Desharnais.

Det kan være svært at sige, om maskinlæring eller andre AI-værktøjer hjælper mennesker med at opdage ting, de ikke ville finde på egen hånd, siger Holly Bridgwater , en udforskningsgeolog hos Unearthed, en australsk organisation, der er vært for hackathons og andre bestræbelser på at fremme innovation i ressourcesektoren. Bridgwater forklarer, at kun nogle få udvalgte potentielle minemål nogensinde bliver testet, fordi processen er så dyr. Det er en udfordring at få den positive feedback-løkke af, hvad der rent faktisk virker, siger hun.

Men selvom Bridgwater har mistanke om, at det vil være svært for KoBold at bevise, at dets værktøjer faktisk forbedrer mineralopdagelsesraterne tyve gange, føler hun, at virksomhedens mål var rimeligt. Jeg synes, det er meget plausibelt, siger hun, fordi vores hitrate er så dårlig.

Ampofo, BloombergNEF-mineanalytikeren, siger, at symbolikken for en velfinansieret tech-startup, der kommer ind i mineområdet, kan være mere betydningsfuld end nogen batterimetaller KoBold opdager.

Desharnais er enig.

Jeg tror, ​​at den største indflydelse, en virksomhed som KoBold vil have, er, at de vil gøre opmærksom på de manglende investeringer, siger han. De vil være i stand til at rejse penge i kilder, hvor andre mennesker ikke har rejst penge – for at bringe nye data ud eller opdatere gamle data og faktisk finde nye ting.