Det stora tekniska uppdraget att hitta de metaller som behövs för energiöversynen

Efterfrågan på litium, kobolt, grafit och andra batterimaterial ökar i höjden. AI kan hjälpa till att gräva upp dem.

En nickelgruva och smältverk i Manitoba. Getty

förbi

• Maddie Stone arkivsida

11 augusti 2021

Under de senaste veckorna, varje dag som vädret tillät, flög en helikopter kontrakterad av KoBold Metals över en avlägsen del av norra Quebec med ovanlig last.

En 115 fot bred kopparspole dinglade från farkostens buk, skickade elektromagnetiska vågor in i jorden och skapade strömmar i stenar djupt under jorden. Alla bra elektriska ledare skickade kontrollsignaler tillbaka till en mottagarspole, vilket tyder på att stenarna kan innehålla värdefulla avlagringar av nickel och kobolt - metaller som används i batterierna som driver mobiltelefoner, bärbara datorer och elbilar.

Efter att piloten avslutat med att skanna ett stycke land - en bra dag kommer helikoptern att täcka mer än 100 miles - överfördes data via satellit till KoBold-forskare som arbetar på kontor tusentals mil bort. Dessa forskare kopplade in den nya undersökningsdatan till maskininlärningsmodeller, som kombinerade den med mängder av annan data som företaget har samlat in för att förbättra förståelsen av regionens geologi. Slutligen matade de in all denna information i ett artificiell intelligenssystem som KoBold utvecklat i samarbete med Stanford University. Systemet utnyttjar enorm beräkningskraft för att ge teamet råd om de bästa platserna att undersöka härnäst.

Med hjälp av denna högteknologiska uppsättning mjukvaruverktyg kan det San Francisco-baserade mineralprospekteringsföretaget, med stöd av Bill Gates och Jeff Bezos, ändra sina luftburna undersökningsplaner från dag till dag för att snabbare komma in på lovande platser att borra.

Det är långt ifrån hur geologer traditionellt har jagat efter mineralfyndigheter, vilket går ut på att samla in fältdata och analysera det när prospekteringssäsongen är över.

Där konventionella metoder helt och hållet förlitade sig på mänsklig tolkning, är det nu för tiden datavetenskap och maskininlärning passande en större del av ansträngningen att hitta nästa stora lönedag under jorden. Att inse att metallerna som ligger till grund för modern teknik blir svårare att hitta i takt med att sektorn för ren energi aptit för dem växer exponentiellt , Silicon Valley-investerare satsar på att företag som KoBold kan hjälpa gruvverksamheten att hänga med, påskynda upptäckten av nya malmer och sänka kostnaderna.

Oavsett om den gissningen är korrekt eller inte, säger experter att inblandning av stora tekniska personer kan uppmärksamma bristen på investeringar i nya gruvor och potentiellt locka nödvändig finansiering för startups som hoppas kunna skörda metaller på ett mer miljömässigt och socialt ansvarsfullt sätt.

När folk tänker på elfordon är det lätt att glömma råvarorna som matas in i de här glänsande prylarna vi ser i utställningslokalen, säger Kwasi Ampofo , en gruvsektoranalytiker vid energiforskningsföretaget BloombergNEF.

Svårare att hitta

Efterfrågan på metaller och mineraler som litium, kobolt, grafit och nickel, som alla används i batterier som driver elfordon och elnätet, förväntas öka stiga under de kommande åren . En maj Rapportera av International Energy Agency fann att användning av ren energiteknik i den takt som behövs för att förhindra 2 ˚C av global uppvärmning kommer att öka efterfrågan på mineraler som används i energilagring mer än trettiofaldigt till 2040.

Relaterad berättelse

Gruvdrift 24 timmar om dygnet med robotar Gruvbolag rullar ut autonoma lastbilar, borrar och tåg, vilket kommer att öka effektiviteten men också minska behovet av mänskliga anställda.

Men gruvsektorn hänger inte med . Det kan ta mer än ett decennium att få nya gruvor online när ett företag väl säkrar mineralrättigheter och tillstånd. Att upptäcka det bästa stället att gräva ett hål i marken kan ta ännu längre tid: med de flesta lätt identifierbara, högkvalitativa malmkroppar som redan hittats och investeringar i prospektering minskar , nya mineralfyndigheter blir svårare att upptäcka. En vanlig tumregel på området är att endast en av 100 utvärderade platser kommer att visa upp en fyndighet som kan utvinnas med lönsamhet. Men vissa experter tror att det är närmare en av 1 000.

Datavetenskapliga verktyg som maskininlärning, där algoritmer tränas för att sålla genom massiva datamängder och spotmönster, har potentialen att avsevärt påskynda upptäcktsprocessen. I allt högre grad använder gruvföretag dessa system för att analysera datamängder om geologi, geokemi och geofysik på en gång, i hopp om att upptäcka korrelationer som inte skulle vara uppenbara för en människa.

Genom att kombinera detta tillvägagångssätt med AI-beslutsverktyget som utvecklats med Stanford, satsar KoBold på att det kan öka upptäcktsfrekvensen med en faktor 20, säger Josh Goldman , företagets tekniska chef. KoBold säger att tillvägagångssättet också kommer att minska miljöpåverkan från prospektering eftersom det kommer att innebära färre bortkastade borrhål i marken.

Till skillnad från flera Övrig datavetenskapsföretag som fokuserar på gruvdrift, KoBold säljer inte en tjänst. Istället utvecklar det mjukvaruverktyg för att vägleda sitt eget utforskande arbete, vilket innebär att KoBold får bestämma var prospektering kommer att ske. Och det hävdar att det bara kommer att fungera i områden där det kan göra det etiskt och med community-inköp.

KoBold-arbetare på fältet förbereder sig för en flygundersökning.

PYSSLING

Även om det återstår att se om KoBold kan infria löften om mycket bättre upptäcktshastigheter och renare gruvdrift, har säljplanen fått resonans hos investerare. Företaget, som grundades 2018 och sysselsätter ungefär två dussin dataforskare och geologer, har samlat in tiotals miljoner dollar från Breakthrough Energy Ventures, en klimatteknologifond som räknar Bill Gates, Jeff Bezos och Richard Branson bland sina investerare och styrelse. medlemmar, liksom Andreessen Horowitz , en ledande Silicon Valley riskkapitalfirma. I början av 2021 tog det norska statliga oljebolaget Equinor en andel i KoBold och lovade ytterligare finansiering genom sin riskkapitalarm, som investerar i företag som arbetar för att möjliggöra en framtid med låga koldioxidutsläpp.

Vi investerade i KoBold Metals för att hjälpa till att lösa det kritiska problemet med att hitta och utveckla de stora mängderna av nyckelbatterimaterial som behövs för att elektrifiera planeten, säger Carmichael Roberts, som sitter i investeringskommittén på Breakthrough Energy Ventures. Eventuell brist på både kobolt och nickel väntas inom det kommande decenniet. Kobolt- och nickelbrytning delar också en orolig historia av miljö- och mänskliga rättigheter övergrepp, placering tryck på stora teknikföretag för att hitta fler etiska källor.

Företaget har två offentligt avslöjade gruvkrav, i Quebec och norra Saskatchewan , där den genomför explorativt fältarbete från marken och luften i sommar. Det arbetar också på en tredje hemlig fastighet i Kanada och på ospecificerade platser i Zambia och västra Australien, säger Goldman.

En del av anledningen till att företaget har fokuserat sina initiala ansträngningar på Kanada är att nationen har stora mängder undersökningsdata i det offentliga området, inklusive narrativa fältrapporter, tidsslitna geologiska kartor, geokemiska data om borrhålsprover, luftburen magnetisk och elektromagnetisk undersökningsdata , lidaravläsningar och satellitbilder som spänner över många decennier av utforskning.

Vi har ett system där vi kan få in all denna data och lagra den i standardformat, kvalitetskontrollera all data, göra den sökbar och kunna programmera åtkomst till den, säger Goldman.

Högteknologisk fart

När den har sammanställt all tillgänglig information för en webbplats, utforskar KoBolds team data med hjälp av maskininlärning. Företaget kan till exempel bygga en modell för att förutsäga vilka delar av malmfyndigheter som har de högsta koncentrationerna av kobolt, eller skapa en ny geologisk karta över en region som visar alla olika bergarter och förkastningsstrukturer. Det kan lägga till ny data till dessa modeller när de samlas in, vilket gör att KoBold kan anpassa sin utforskningsstrategi nästan i realtid, säger Goldman.

Kanada gör datamängder och annan information allmänt tillgänglig, såsom denna lidar-genererade bild av Saskatchewan.

KANADAS REGERING

KoBold har redan använt insikter från maskininlärningsmodeller för att förvärva sina kanadensiska gruvanspråk och utveckla sina fältprogram. Dess partnerskap med Stanford's Center for Earth Resources Forecasting , som pågår sedan februari, lägger till ett ytterligare lager av analys till mixen i form av en AI-beslutsagent som kan kartlägga en hel prospekteringsplan.

Stanfords geoforskare Jef Caers, som övervakar samarbetet, förklarar att den här digitala beslutsfattaren kvantifierar osäkerheten i KoBolds modellresultat och utformar sedan en datainsamlingsplan för att sekventiellt minska denna osäkerhet. Precis som en schackspelare som försöker vinna ett parti med så få drag som möjligt, kommer AI:n att syfta till att hjälpa KoBold att fatta ett beslut om en prospekt med minimalt slöseri – oavsett om det beslutet är att borra på en viss plats eller gå därifrån.

Guy Desharnais , en prospekteringsgeolog som har skriven och föreläste om gruvapplikationer för maskininlärning, säger att det finns ett enormt värde i att använda den här typen av verktyg för att kompilera och analysera många datamängder samtidigt. Men Desharnais varnar också för att det finns många varningar om huruvida maskininlärning kan göra intuitiva språng eller intelligenta beslut.

Geologisk data är ofta mycket ojämn både i rum och tid, och denna ojämnhet, tillsammans med inkonsekvent datakvalitet, kan få modeller att låsa sig vid falska signaler eller göra felaktiga slutsatser. Dessutom, eftersom högkvalitativa malmkroppar är sällsynta, har geologer ofta inte många positiva exempel på vad de letar efter för att träna en algoritm för att upptäcka liknande.

I slutet av dagen kommer det verkliga arbetet med att hitta fyndigheten att vara en mänsklig geolog som kommer att ta dessa verktyg för att förbättra sin förmåga, säger Desharnais.

Det kan vara svårt att avgöra om maskininlärning eller andra AI-verktyg hjälper människor att upptäcka saker som de inte skulle hitta på egen hand, säger Holly Bridgwater , en utforskningsgeolog vid Unearthed, en australisk organisation som är värd för hackathons och andra ansträngningar för att främja innovation inom resurssektorn. Bridgwater förklarar att endast ett fåtal utvalda potentiella gruvmål någonsin testas, eftersom processen är så dyr. Att få den där positiva feedback-loopen av vad som faktiskt fungerar är en utmaning, säger hon.

Men medan Bridgwater misstänker att det kommer att vara svårt för KoBold att bevisa att dess verktyg faktiskt förbättrar mineralupptäcktshastigheten tjugofaldigt, anser hon att företagets mål var rimligt. Jag tror att det är mycket rimligt, säger hon, eftersom vår träfffrekvens är så dålig.

Ampofo, BloombergNEFs gruvanalytiker, säger att symboliken för att en välfinansierad teknisk startup kommer in i gruvområdet kan vara viktigare än någon batterimetall KoBold upptäcker.

Desharnais håller med.

Jag tror att den största inverkan ett företag som KoBold kommer att få är att de kommer att uppmärksamma bristen på investeringar, säger han. De kommer att kunna samla in pengar i källor där andra människor inte har samlat in pengar – för att ta fram ny data, eller uppdatera gammal data och faktiskt hitta nya saker.