Разработанная инновационная компьютерная платформа дает возможность извлекать с уровнем чистоты 80 процентов из остатков литиевых батарей такие ценные металлы, как кобальт, никель и марганец.
Специалисты Национальной ускорительной лаборатории SLAC, входящей в структуру Министерства энергетики США, разрабатывают многокомпонентную систему искусственного интеллекта. Ее цель — определить более результативные методы добычи ценных металлов из отработанных литий-ионных аккумуляторов.
Ирина Петрова
Большая куча выброшенных батареек. Источник: Getty Images
ИИ-агенты помогают добывать ценные компоненты
Основное внимание в проекте уделяется таким элементам, как кобальт, никель и марганец. Эти материалы высоко востребованы при создании аккумуляторных батарей и в других технологических сферах. Извлечение данных веществ из использованных источников питания может способствовать развитию внутреннего производства и уменьшению зависимости от внешних поставок стратегически важных минералов.
Группа исследователей под руководством SLAC совместно с коллегами из Университета Южной Калифорнии намерена задействовать несколько ИИ-агентов, каждый из которых будет выполнять узкоспециализированные задачи. Эти агенты станут изучать варианты отделения металлов от сложных компонентов аккумуляторных отходов. Они будут использовать знания из таких областей, как биохимия и геология, чтобы предлагать методы извлечения, оценивать новые решения и анализировать результаты экспериментов.
Данная работа входит в программу Genesis Министерства энергетики США — общенациональный проект, который объединяет искусственный интеллект, мощные вычислительные системы, квантовые технологии и современное научное оборудование для ускорения исследовательских процессов.
Сопоставить мультиагентный метод с традиционными
Ученые планируют провести несколько циклов, в ходе которых разработанные ИИ подходы будут проверяться на практике. Проект рассчитан на девять месяцев, и его участники стремятся добиться уровня чистоты добываемых металлов не менее 80 процентов.
Как отметил Ахамед Иршад Маниянганам, младший научный сотрудник SLAC и главный исследователь проекта, за девять месяцев SLAC и Университет Южной Калифорнии проведут несколько экспериментальных циклов с использованием искусственного интеллекта для получения целевых металлов с чистотой 80 процентов и выше. Параллельно будет проведено сравнение такого подхода с традиционными способами поиска и извлечения.
Исследователи сопоставят мультиагентный метод с традиционными подходами, основанными на анализе литературы и существующих технологий извлечения металлов. Задача — выяснить, способны ли процессы с участием ИИ сократить количество проб и ошибок, необходимых для нахождения эффективных способов переработки аккумуляторных остатков.
Один отработанный аккумулятор электромобиля может содержать десятки килограммов ценных металлов. Однако их добыча часто требует большого объема химических реагентов, что порождает значительное количество отходов и предполагает множество испытаний для подбора подходящих методов извлечения и разделения.
Новый подход призван помочь исследователям охватить гораздо более широкий спектр возможных химических процессов. Вместо использования единой системы, управляющей всем исследовательским процессом, специализированные ИИ-агенты будут заниматься разными аспектами задачи и вносить вклад в общий экспериментальный процесс.
Этапы реализации программы
Девятимесячный срок проекта накладывает жёсткие ограничения, но одновременно заставляет исследователей работать на максимуме эффективности. Первые циклы будут посвящены валидации моделей: ИИ-агенты предложат несколько конкретных рецептур отделения кобальта от марганца в модельных растворах, после чего учёные проверят их в лабораторных реакторах.
Если результаты покажут стабильное превышение порога в 80 процентов чистоты, следующим этапом станет тестирование на реальных отходах аккумуляторных батарей — гетерогенной смеси, содержащей графит, полимерные сепараторы, токсичные электролиты и разные фазы оксидов металлов.
Сложность заключается в том, что состав отходов сильно варьируется в зависимости от производителя и степени износа батареи, поэтому ИИ должен научиться адаптировать свои рекомендации в реальном времени.
Важно отметить, что данная инициатива — лишь часть масштабной программы Genesis Mission, направленной на цифровую трансформацию науки. Министерство энергетики США делает ставку на интеграцию искусственного интеллекта с квантовыми вычислениями и суперкомпьютерами, чтобы ускорить открытия в материаловедении, химии и биологии.
Успех в переработке батарей может стать демонстрационным примером: если мультиагентный подход окажется эффективнее традиционного, аналогичные системы начнут применять и для других типов отходов — от электроники до промышленных катализаторов.
Не только переработка аккумуляторов
Таким образом, проект решает не только локальную задачу извлечения металлов, но и создаёт прототип нового метода научного поиска, где машина перестаёт быть просто инструментом расчёта, а становится полноценным генератором идей.
Проект может иметь значение не только для переработки аккумуляторов. Кобальт, никель и марганец относятся к числу важнейших материалов для современных энергетических технологий, и их извлечение из отработанной продукции способно стать дополнительным источником этих ресурсов.
SLAC также будет участвовать в десяти других проектах первой фазы программы Genesis Mission. Эти проекты охватывают такие направления, как биотехнологии, термоядерная энергия, электроника, сенсоры, космология, физика элементарных частиц и ускорительные технологии.
Программа Genesis Mission в более широком смысле нацелена на создание интегрированной платформы для научных открытий, объединяющей искусственный интеллект с крупномасштабными вычислениями и передовой исследовательской инфраструктурой. Министерство энергетики США отмечает, что первый этап финансирования призван определить многообещающие области исследований и заложить базу для дальнейших вложений.
Как заявил директор SLAC Джон Саррао, роль SLAC как ведущего партнера в ряде технологических областей позволяет учреждению способствовать революционному влиянию искусственного интеллекта на научные открытия. Он также подчеркнул важность приверженности Министерства энергетики решению этих национальных задач.
В рамках проекта по переработке аккумуляторов первостепенная задача — проверить, сможет ли группа специализированных ИИ-агентов помочь ученым найти более эффективные способы извлечения ценных металлов из отходов и достичь целевого показателя чистоты в 80 процентов.
Новое слово в переработке сложных отходов
Разработка мультиагентной системы искусственного интеллекта в лаборатории SLAC открывает принципиально новый этап в области переработки сложных отходов. В отличие от традиционных подходов, где исследователь полагается на интуицию, литературные данные и ограниченное число экспериментальных проверок, ИИ-агенты способны автономно генерировать гипотезы, комбинируя знания из разрозненных научных областей.
Например, один агент может моделировать поведение молекул в растворе с точки зрения биохимии, другой — оценивать эффективность разделения на основе геохимических аналогов, а третий — предсказывать выход продукта в зависимости от температуры или кислотности среды.
Такая коллаборация позволяет за считанные дни проанализировать тысячи потенциальных схем, которые человеку потребовалось бы проверять годами. Важно, что система не просто перебирает комбинации, а учится на каждом смоделированном или реальном эксперименте, что постепенно повышает точность её прогнозов.
Практическая ценность проекта выходит далеко за рамки лабораторных стен. Современная промышленность испытывает колоссальный дефицит редкоземельных и стратегических металлов, при этом объём отработанных литий-ионных батарей растёт экспоненциально.
В каждом таком аккумуляторе, особенно от электромобилей, содержатся килограммы кобальта и никеля, которые при текущих методах переработки часто теряются в шлаках или требуют многоступенчатой химической обработки с использованием агрессивных реагентов.
Успешное достижение чистоты в 80 процентов с помощью ИИ позволит не только снизить экологический ущерб от добычи новых металлов, но и сделать сам процесс переработки экономически рентабельным. Вместо дорогостоящей утилизации предприятия получат технологию, превращающую отходы в ценное сырьё, что критически важно для замкнутого цикла экономики.