Nuovi materiali per il risparmio energetico

La domanda di litio, cobalto, grafite e altri materiali per batterie è in costante aumento e l’intelligenza artificiale può aiutare a scovarli.

di Maddie Stone

Nelle ultime settimane, ogni giorno in cui il tempo lo permetteva, un elicottero di KoBold Metals ha sorvolato una parte remota del nord del Quebec trasportando un carico insolito. Una bobina di rame larga 35 metri piedi penzolava dal ventre del velivolo, inviando onde elettromagnetiche a terra e creando correnti nelle rocce in profondità nel sottosuolo. Qualsiasi buon conduttore elettrico invia segnali rivelatori a una bobina del ricevitore, indicando che le rocce potrebbero contenere preziosi depositi di nichel e cobalto, metalli utilizzati nelle batterie che alimentano telefoni cellulari, laptop e auto elettriche.

Dopo che il pilota ha terminato la scansione di una striscia di terra, con le condizioni giuste l’elicottero coprirà più di 150 km, i dati vengono trasmessi via satellite agli scienziati di KoBold che lavorano in uffici a migliaia di chilometri di distanza. Questi ricercatori inseriscono i nuovi dati del sondaggio in modelli di apprendimento automatico, combinandoli con molti altri dati raccolti dall’azienda per migliorare la comprensione della geologia della regione. Infine, tutte queste informazioni sono affidate a un sistema di intelligenza artificiale sviluppato da KoBold in collaborazione con la Stanford University. Il sistema si avvale di una vasta potenza di calcolo per consigliare il team sui posti migliori da esaminare nelle missioni successive.

Utilizzando questa gamma di strumenti software ad alta tecnologia, l’azienda di esplorazione mineraria con sede a San Francisco, sostenuta da Bill Gates e Jeff Bezos, può modificare i suoi piani di indagine aerea di giorno in giorno per raggiungere più rapidamente luoghi promettenti da perforare. È un sistema molto diverso da quello in cui i geologi sono tradizionalmente andati a caccia dei giacimenti minerari, il che equivale a raccogliere dati sul campo e analizzarli quando la stagione di esplorazione è finita. 

Laddove i metodi convenzionali si basavano interamente sull’interpretazione umana, oggigiorno la scienza dei dati e l’apprendimento automatico stanno diventando una componente importante delle iniziative per trovare il prossimo grande giacimento sotterraneo. Riconoscendo che i metalli alla base della tecnologia moderna stanno diventando più difficili da trovare poiché l’ appetito del settore dell’energia pulita per loro cresce in modo esponenziale, gli investitori della Silicon Valley scommettono che aziende come KoBold possono aiutare l’attività mineraria a tenere il passo, accelerando la scoperta di nuovi minerali e riducendone i costi. 

Indipendentemente dal fatto che questa impressione sia corretta o meno, gli esperti affermano che il coinvolgimento delle principali figure tecnologiche potrebbe attirare l’attenzione sulla mancanza di investimenti in nuove miniere e potenzialmente attirare i finanziamenti necessari per le startup che sperano di raccogliere metalli in modo più responsabile dal punto di vista ambientale e sociale. “Quando le persone pensano ai veicoli elettrici, è facile dimenticare le materie prime che alimentano queste macchine luccicanti che vediamo negli showroom”, afferma Kwasi Ampofo, esperto del settore minerario dell’azienda di ricerca energetica BloombergNEF.

Una caccia al tesoro

Si prevede che la domanda di metalli e minerali come litio, cobalto, grafite e nichel, tutti utilizzati nelle batterie che alimentano i veicoli elettrici e la rete, aumenterà nei prossimi anni. Un rapporto di maggio dell’Agenzia internazionale per l’energia ha rilevato che l’implementazione di tecnologie di energia pulita al ritmo necessario per prevenire 2 °C di riscaldamento globale aumenterà la domanda di minerali utilizzati nello stoccaggio di energia di oltre trenta volte entro il 2040.

Ma il settore minerario non tiene il passo. Può volerci più di un decennio per mettere online nuove miniere una volta che un’azienda si assicura i diritti e i permessi minerari. Scoprire il posto migliore per scavare un buco nel terreno può richiedere anche più tempo: con la maggior parte dei giacimenti minerari facilmente identificabili e di alta qualità già trovati e gli investimenti nell’esplorazione in declino, i nuovi giacimenti minerari stanno diventando più difficili da individuare. Una regola empirica comunemente accattata nel campo è che solo uno su 100 siti valutati otterrà un deposito che può essere estratto con profitto. Ma alcuni esperti pensano che si sia più vicini a uno su 1.000.

Gli strumenti di data science come l’apprendimento automatico, in cui gli algoritmi sono addestrati per vagliare enormi set di dati e individuare modelli, hanno il potenziale per accelerare notevolmente il processo di scoperta. Sempre più aziende minerarie utilizzano questi sistemi per analizzare contemporaneamente set di dati su geologia, geochimica e geofisica, nella speranza di individuare correlazioni che non sarebbero evidenti a un essere umano. 

Lavoratori di KoBold sul campo che si preparano per un rilevamento aereo, Kobold

Combinando questo approccio con l’AI sviluppata con Stanford, KoBold scommette che può aumentare i tassi di scoperta di un fattore 20, afferma Josh Goldman, chief technology officer dell’azienda. KoBold afferma che l’approccio ridurrà anche l’impatto ambientale dell’esplorazione perché significherà un minor numero di tentativi inutili. 

A differenza di molte altre aziende di data science che si concentrano sul mining, KoBold non vende un servizio, ma sta sviluppando strumenti software per indirizzare il proprio lavoro esplorativo, il che significa che KoBold può decidere dove avverrà la prospezione. E afferma che funzionerà solo in aree in cui può farlo eticamente e con il consenso della comunità.

Mentre resta da vedere se KoBold può mantenere le promesse di tassi di scoperta migliori e operazioni minerarie più pulite, il discorso ha avuto successo con gli investitori. L’azienda, che è stata fondata nel 2018 e impiega circa due dozzine di scienziati e geologi, ha raccolto decine di milioni di dollari da Breakthrough Energy Ventures, un fondo di tecnologia climatica che vanta Bill Gates, Jeff Bezos e Richard Branson tra i suoi investitori e Andreessen Horowitz nel consiglio di amministrazione.

All’inizio del 2021, la compagnia petrolifera statale norvegese Equinor ha acquisito una partecipazione in KoBold e ha promesso ulteriori finanziamenti attraverso il suo ramo di venture capital, che investe in aziende che lavorano per consentire un futuro a basse emissioni di carbonio. “Abbiamo investito in KoBold Metals per aiutare a risolvere il problema critico di trovare e sviluppare le grandi quantità dei materiali chiave delle batterie necessari per elettrificare il pianeta”, afferma Carmichael Roberts, che fa parte del comitato di investimento di Breakthrough Energy Ventures. 

Entro il prossimo decennio si prevedono possibili carenze sia di cobalto che di nichel. L’estrazione dei due materiali condivide anche una storia travagliata di abusi ambientali e dei diritti umani, mettendo in tal modo pressione sulle grandi aziende tech per trovare fonti più etici. L’azienda ha due concessioni minerarie pubblicamente divulgate, in Quebec e nel nord del Saskatchewan, dove sta conducendo un lavoro esplorativo. Sta anche lavorando in una terza proprietà segreta in Canada e in siti non specificati in Zambia e nell’Australia occidentale, afferma Goldman. 

Il Canada rende disponibili pubblicamente set di dati e altre informazioni, come questa immagine generata da lidar del Saskatchewan, Government of Canada

Parte del motivo per cui l’azienda ha concentrato il suo impegno sul Canada è che la nazione ha grandi quantità di dati di indagine di dominio pubblico, inclusi resoconti narrativi sul campo, mappe geologiche, dati geochimici su campioni di fori di trivellazione, dati di rilevamento magnetici ed elettromagnetici dispersi nell’aria, letture lidar e immagini satellitari che abbracciano molti decenni di esplorazione.  “Abbiamo un sistema in cui possiamo inserire tutti questi dati e archiviarli in formati standard, controllarne la qualità e garantirne l’accesso”, afferma Goldman.

I limiti dell’high-tech

Una volta raccolte tutte le informazioni disponibili per un sito, il team di KoBold esplora i dati utilizzando l’apprendimento automatico. L’azienda potrebbe, per esempio, costruire un modello per prevedere quali parti dei giacimenti minerari hanno le più alte concentrazioni di cobalto o creare una nuova mappa geologica di una regione che mostri tutti i diversi tipi di roccia e strutture di faglia. Può aggiungere nuovi dati a questi modelli man mano che vengono raccolti, consentendole di modificare in modo adattivo la propria strategia di esplorazione “quasi in tempo reale”, afferma Goldman.

KoBold ha già utilizzato i dati dei modelli di apprendimento automatico per acquisire le sue concessioni minerarie canadesi e sviluppare i suoi programmi sul campo. La sua partnership con il Center for Earth Resources Forecasting di Stanford , in corso da febbraio, aggiunge un ulteriore livello di analisi al mix sotto forma di un “agente decisionale” AI in grado di mappare un intero piano di esplorazione. 

Il geoscienziato di Stanford Jef Caers, che sta supervisionando la collaborazione, spiega che questo decisore digitale quantifica l’incertezza nei risultati del modello di KoBold e quindi progetta un piano di raccolta dati per ridurre in sequenza tale incertezza. Come un giocatore di scacchi che cerca di vincere una partita con il minor numero di mosse possibile, l’intelligenza artificiale mirerà ad aiutare KoBold a prendere una decisione su un potenziale cliente con il minimo sforzo, sia che tale decisione sia quella di perforare un punto particolare o di andarsene.

Guy Desharnais, un geologo esploratore che ha scritto e tenuto conferenze sulle applicazioni minerarie per l’apprendimento automatico, afferma che esiste un “enorme valore” nell’utilizzo di questo tipo di strumenti per compilare e analizzare molti set di dati contemporaneamente. Ma Desharnais avverte anche che ci sono “molte riserve” sul fatto che l’apprendimento automatico possa fare salti intuitivi o prendere decisioni intelligenti. 

I dati geologici sono spesso molto irregolari sia nello spazio che nel tempo e questa frammentarietà, insieme a una qualità dei dati incoerente, può far sì che i modelli si affidino a falsi segnali o facciano inferenze errate. Inoltre, poiché i giacimenti di minerale di alta qualità sono rari, i geologi spesso non hanno molti esempi positivi di ciò che stanno cercando per addestrare un algoritmo a rilevarne di simili. “Alla fine della giornata, il vero lavoro per trovare il deposito sarà un geologo umano che utilizzerà quegli strumenti per migliorare le proprie capacità”, afferma Desharnais.

Può essere difficile dire se l’apprendimento automatico o altri strumenti di intelligenza artificiale stiano aiutando gli umani a scoprire cose che non troverebbero da soli, afferma Holly Bridgwater, geologa esplorativa di Unearthed, un’organizzazione australiana che ospita hackathon e altri sforzi per promuovere l’innovazione nel settore delle risorse. Bridgwater spiega che solo pochi potenziali target minerari selezionati vengono testati, perché il processo è costoso. “Ottenere quel feedback positivo su ciò che funziona davvero è una sfida”, afferma.

Ma mentre Bridgwater sospetta che sarà difficile per KoBold dimostrare che i suoi strumenti stanno effettivamente migliorando di venti volte i tassi di scoperta dei minerali, ritiene che l’obiettivo dell’azienda fosse ragionevole. “Penso che sia altamente plausibile”, dice, “perché il nostro tasso di successo è eccessivamente basso”.

Ampofo, l’esperto minerario di BloombergNEF, afferma che il valore simbolico di una startup tecnologica ben finanziata che entra nello spazio minerario potrebbe essere più significativo di qualsiasi metallo per batteria scoperto da KoBold. Desharnais è d’accordo. 

Immagine di: Una miniera e fonderia di nichel a Manitoba, di Getty

(rp)

Related Posts
Total
0
Share