A IA treinada em dados geológicos pode indicar onde cavar em busca de metais cruciais para carros elétricos e outras tecnologias verdes.

“Essas coisas são difíceis de tombar”, o geólogo Wilson Bonner me garante enquanto o veículo todo-o-terreno de quatro rodas que ele pilota se inclina de repente para o lado, me jogando na lama sob nossas rodas. Estamos subindo a encosta de uma colina densamente arborizada na zona rural de Ontário, Canadá, em um dia frio de outono, indo em direção a um local que o empregador de Bonner, a startup KoBold Metals, diz que representa o casamento da inteligência artificial de ponta com uma das maiores inovações da humanidade. indústrias mais antigas. De fato, completamos a caminhada de meia hora relativamente sem lama, finalmente rompendo um anel de árvores quebradas e arbustos mutilados em uma faixa de lama escavada. Um cano preto tão largo quanto meu braço se projeta do chão – a extremidade superior de um buraco de quase um quilômetro de profundidade que foi perfurado no solo por uma plataforma de perfuração do tamanho de um caminhão que fica ociosa nas proximidades. Não é muito para se olhar, mas esse buraco pode marcar um passo para o futuro da mineração, uma indústria crucial para a transição mundial para a energia renovável.

À medida que o mundo começa a mudar de combustíveis fósseis para alternativas mais verdes, há uma corrida global cada vez mais intensa para encontrar as vastas quantidades de cobalto, lítio e outros metais necessários para construir todas as baterias de carros elétricos, painéis solares e turbinas eólicas que iremos construir. precisar. Mas encontrar novos depósitos minerais sempre foi difícil e caro, e está ficando cada vez mais difícil. A maioria das reservas facilmente descobertas do mundo já está sendo explorada. Os que permanecem tendem a estar em locais remotos e nas profundezas do subsolo. Os mineradores geralmente dizem que apenas 1 em cada 100 poços exploratórios revela alguma coisa. A KoBold Metals, uma startup de quatro anos, está entre as poucas empresas que estão tentando tornar o processo mais rápido, barato e eficiente por meio da aplicação de inteligência artificial. KoBold construiu um banco de dados titânico incorporando todas as informações que pode encontrar sobre a crosta terrestre – o equivalente a 30 milhões de páginas de relatórios geológicos, amostras de solo, imagens de satélite, trabalhos de pesquisa acadêmica e relatórios de campo manuscritos centenários. Uma equipe de cientistas de dados converte todas essas informações díspares em algo legível por máquina – digitalizando relatórios escritos com software de leitura óptica de caracteres, por exemplo, ou padronizando informações geofísicas registradas em diferentes formatos digitais. Tudo isso é executado por meio de algoritmos de aprendizado de máquina que identificam padrões na geologia e outras características de locais onde metais foram encontrados no passado. Os algoritmos podem então ser soltos no banco de dados completo para encontrar locais promissores com padrões semelhantes que não foram explorados, cuspindo uma série de mapas indicando onde os metais-alvo provavelmente serão encontrados. Apoiados por investidores, incluindo a empresa de risco Andreessen Horowitz e a Breakthrough Energy Ventures de Bill Gates, as primeiras equipes de exploração da KoBold chegaram ao solo no verão passado, prospectando áreas na Zâmbia, Groenlândia e Canadá – incluindo o local de Ontário perto de Crystal Lake.

A KoBold está buscando cobre, cobalto, níquel, lítio e terras raras – os principais ingredientes das baterias de carros elétricos e outras tecnologias de energia renovável. A Agência Internacional de Energia prevê que a demanda por todos esses metais pode quadruplicar até 2050, e a demanda por alguns, como cobalto e níquel, pode aumentar até 40 vezes. Ao todo, a agência estima que o mercado coletivo de minerais necessários para “tecnologias de energia limpa” – tudo, desde fontes de energia renováveis ​​a baterias e redes elétricas – mais do que quintuplicará até 2050, para cerca de US$ 400 bilhões.

“Estamos procurando expandir e diversificar o fornecimento desses metais em todo o mundo, mas estamos adotando uma abordagem totalmente diferente” das empresas de mineração convencionais, o fundador da KoBold, Kurt House, me disse via Zoom de sua casa no norte da Califórnia. “Dois terços de nossa equipe são engenheiros de software ou cientistas de dados que nunca trabalharam um dia de exploração em suas vidas. O outro terço são exploradores experientes.” Enquanto a maioria das empresas de exploração de IA vende seus serviços para empresas de mineração, a KoBold pretende participar das operações de extração reais. Atualmente detém os direitos de exploração de milhares de quilômetros quadrados de terra em todo o mundo e fechou acordos com algumas das maiores empresas de mineração do mundo, incluindo BHP e Rio Tinto. “KoBold está fazendo a coisa mais arriscada”, diz Sam Cantor, chefe de produto da Minerva Intelligence, outra startup de exploração de mineração impulsionada por IA. Mesmo com a ajuda da IA, apostar em potenciais depósitos minerais está longe de ser um processo infalível; os metais geralmente aparecem em lugares com condições e histórias geológicas totalmente diferentes. “Quando você está treinando um algoritmo para reconhecer um rosto, pode presumir que há uma boca abaixo do nariz e dos olhos”, diz Cantor. “Mas se você aplicar esse treinamento a rostos de insetos, poderá encontrar mais de dois olhos e nenhum nariz. Treinar um algoritmo com dados do Alasca e aplicá-lo a Nevada significa que ele pode ter muitas suposições erradas”. Mas a recompensa de uma grande descoberta pode ser estupenda. No início deste ano, a Tesla concordou em comprar US$ 1,5 bilhão em níquel de uma nova mina em Minnesota, com inauguração prevista para 2026.

Cobre e níquel foram encontrados anteriormente no local de Crystal Lake que KoBold está explorando na década de 1970, mas não em concentrações altas o suficiente para tornar a mineração lucrativa. Os algoritmos da startup, no entanto, sugeriram que pode haver mais. Assim, a empresa enviou uma equipe de geólogos e técnicos, chefiada por Bonner, para coletar mais dados. Eles circundaram a colina alvo com alguns quilômetros de cabo elétrico amarelo, passaram uma corrente através dela e registraram onde a corrente gerou um campo magnético subterrâneo. Essa pesquisa eletromagnética encontrou sete ou oito depósitos potenciais, mas a equipe não sabia ao certo se eram cobre ou níquel, ou algo completamente diferente, como grafite. Eles também não sabiam a forma exata, tamanho ou localização desses depósitos. Um pequeno perto da superfície, por exemplo, pode ter a mesma assinatura eletromagnética que um grande mais abaixo.

Mais uma vez, KoBold voltou-se para os algoritmos. Descobrir exatamente o que há no subsolo requer perfuração, mas isso é demorado e caro, e requer demolição de terra, o que KoBold gostaria de reduzir ao mínimo. Então, de sua casa em Boulder, Colorado, a cientista de dados da KoBold, Beth Reid, implantou um sistema de aprendizado de máquina, baseado em uma versão mais geral desenvolvida pela primeira vez na Universidade de Stanford, para gerar modelos das milhares de configurações diferentes de minerais subterrâneos que poderiam ter causado o leituras eletromagnéticas captadas em Ontário. Bonner usou sua experiência e intuição em geologia para ajudar a filtrar sugestões improváveis. Reid então trabalhou para descobrir como fazer um único furo que reduzisse ao máximo essas possibilidades - ou seja, qual localização, profundidade e ângulo precisos interceptariam o maior número de todos os depósitos possíveis, provando ou refutando quais deles. realmente estão lá. No terreno no local de Crystal Lake, Bonner aplicou esses cálculos para posicionar a broca. O resultado: aquele buraco na clareira lamacenta.

Em teoria, esse único buraco fornecerá mais informações do que uma dúzia escavada no solo com métodos tradicionais. No momento da minha visita, porém, a equipe ainda não sabia se havia descoberto alguma coisa. Eles têm que esperar até que as amostras de rocha cilíndrica que trouxeram voltem do laboratório para onde foram enviadas para análise química. Mesmo que não tenham atingido o metal, as amostras fornecerão pelo menos outra camada de dados que oferece um novo conjunto de pistas. “O aprendizado de máquina pode captar padrões na distribuição de elementos, o que informa nossa compreensão do que está lá embaixo”, diz Reid. “Tudo isso ajuda a determinar onde perfurar.”

Embora a tecnologia de Kobold possa tornar o processo de exploração mais eficiente, ainda não garante que algo seja encontrado. “É o sonho do explorador saber exatamente onde perfurar, mas ainda não vimos isso em nenhum desses sistemas”, diz Mathieu Landry, um geocientista canadense que presta consultoria a empresas de mineração. Recentemente, ele foi coautor de um artigo na revista da Society of Economic Geologists que concluiu que o impacto da IA ​​“no sucesso real dos negócios – neste caso medido em termos de descoberta de depósitos de minério – está longe de ser certo”. O artigo acrescentou: “A IA tem uma longa história de promessas demais e entrega insuficiente”.

Landry acha que a IA provavelmente será mais útil para mineradores em tarefas mais restritas, como analisar elementos em amostras de rochas, do que para pesquisar todo o planeta. De qualquer forma, mesmo que a KoBold encontre cobre e níquel em Crystal Lake, levará vários anos até que chegue ao mercado. Mais certo é que, se a IA puder acelerar qualquer parte do processo de descoberta de novos depósitos minerais, será um impulso bem-vindo na corrida pelos metais cruciais necessários para descarbonizar nossas vidas.

Este artigo foi apoiado em parte pelo Pulitzer Center on Crisis Reporting.
Fonte Original: https://www.wired.com/story/these-mining-algorithms-are-hunting-for-an-ev-battery-mother-lode/