寻找能源大储所需金属的重大科技探索

对锂、钴、石墨和其他电池材料的需求正在飙升

人工智能可能会帮助挖掘它们

最近几周，在天气允许的情况下，每天都有一架由 KoBold Metals 承包的直升机载着一些不寻常的货物飞越魁北克北部的一个偏远地区。

一个 115 英尺宽的铜线圈从飞船的腹部垂下来，向地球发送电磁波，并在地下深处的岩石中产生电流。任何良好的电导体都会向接收器线圈发送信号，表明这些岩石可能含有宝贵的镍和钴沉积物——用于为手机、笔记本电脑和电动汽车供电的电池中使用的金属。

在飞行员完成对大片土地的扫描后——天气晴朗时，直升机将覆盖 100 多英里——数据通过卫星传输给在数千英里外办公室工作的 KoBold 科学家。这些研究人员将新的调查数据插入机器学习模型，并将其与公司收集的大量其他数据相结合，以提高对该地区地质的了解。最后，他们将所有这些信息输入到 KoBold 与斯坦福大学合作开发的人工智能系统中。该系统利用强大的计算能力为团队提供下一步调查的最佳地点的建议。

使用这套高科技软件工具，这家总部位于旧金山的矿产勘探公司在比尔·盖茨和杰夫·贝索斯的支持下，可以每天改变其空中勘测计划，更快地找到有潜力的钻探地点。

这与地质学家传统上寻找矿藏的方式相去甚远，后者相当于在勘探季节结束时收集现场数据并进行分析。

在传统方法完全依赖于人类解释的地方，如今数据科学和机器学习正在成为寻找下一个地下大发薪日的努力的重要组成部分。意识到支撑现代技术的金属越来越难找到，因为清洁能源部门对它们的需求呈指数增长，硅谷投资者押注像 KoBold 这样的公司可以帮助采矿业跟上步伐，加速新矿石的发现并降低成本它的成本。

无论这种预感是否正确，专家表示，主要科技人物的参与可能会引起人们对新矿投资不足的关注，并可能为希望以对环境和社会更负责任的方式开采金属的初创公司吸引所需的资金。

能源研究公司 BloombergNEF 的采矿业分析师Kwasi Ampofo说：“当人们想到电动汽车时，很容易忘记我们在陈列室看到的这种闪亮东西的原材料。”

更难找

对锂、钴、石墨和镍等金属和矿物的需求预计将在未来几年激增，这些都用于为电动汽车和电网提供动力的电池。国际能源署5 月的一份报告发现，以防止全球变暖 2 摄氏度所需的速度部署清洁能源技术，到 2040 年，对用于储能的矿物的需求将增加 30 倍以上。

但采矿业没有跟上步伐。一旦公司获得采矿权和许可证，可能需要十多年的时间才能将新矿山投入使用。发现在地下挖洞的最佳地点可能需要更长的时间：由于已经发现了大部分易于识别的高品位矿体，而且勘探投资不断减少，新矿床越来越难以发现。该领域一个普遍的经验法则是，经过评估的 100 个站点中只有一个会发现可以开采的矿床。但一些专家认为它更接近千分之一。

像机器学习这样的数据科学工具，其中的算法经过训练可以筛选海量数据集和发现模式，有可能大大加快发现过程。越来越多的矿业公司正在使用这些系统同时分析地质、地球化学和地球物理学的数据集，以期发现人类无法察觉的相关性。

该公司的首席技术官乔什·戈德曼( Josh Goldman)表示，通过将这种方法与斯坦福大学开发的人工智能决策工具相结合，KoBold 认为它可以将发现率提高 20 倍。KoBold 说，这种方法也将减少勘探对环境的影响，因为这意味着减少地下钻孔的浪费。

不像一些其他数据科学公司，专注于矿业，狗头人是不卖的服务。相反，它正在开发软件工具来指导自己的探索工作，这意味着 KoBold 可以决定在何处进行勘探。它声称它只会在它可以在道德上并得到社区支持的领域发挥作用。

现场的 KoBold 工人正在准备进行空中测量。

虽然 KoBold 能否兑现更好的发现率和更清洁的采矿作业的承诺还有待观察，但销售宣传已经引起了投资者的共鸣。该公司成立于 2018 年，拥有大约两打数据科学家和地质学家，已从 Breakthrough Energy Ventures 筹集了数千万美元，这是一家气候技术基金，其投资者和董事会成员包括比尔盖茨、杰夫贝索斯和理查德布兰森成员，以及硅谷领先的风险投资公司Andreessen Horowitz。2021 年初，挪威国有石油公司 Equinor 入股 KoBold，并承诺通过其风险投资部门提供额外资金，该部门投资于致力于实现低碳未来的公司。

Breakthrough Energy Ventures 投资委员会成员 Carmichael Roberts 表示：“我们投资 KoBold Metals 是为了帮助解决寻找和开发为地球供电所需的大量关键电池材料的关键问题。”  预计未来十年内钴和镍都可能出现短缺。钴和镍矿也分享的困扰的历史环境和人权的侵犯，把压力对重大科技公司找到更多的道德资源。

该公司在魁北克和萨斯喀彻温省北部有两个公开披露的采矿权，今年夏天将在那里进行地面和空中的探索性实地工作。高盛表示，它还在加拿大的第三处未公开财产以及赞比亚和澳大利亚西部的未指明地点开展工作。

该公司最初将重点放在加拿大的部分原因是该国在公共领域拥有大量调查数据，包括叙述性实地报告、陈旧的地质图、钻孔样本的地球化学数据、机载磁和电磁调查数据、激光雷达读数和跨越数十年探索的卫星图像。

“我们有一个系统，我们可以在其中摄取所有这些数据并以标准格式存储它，对所有数据进行质量控制，使其可搜索，并能够以编程方式访问它，”戈德曼说。

高科技动力

一旦为一个站点编译了所有可用信息，KoBold 的团队就会使用机器学习来探索数据。例如，该公司可能会建立一个模型来预测哪些矿床的钴浓度最高，或者创建一个新的区域地质图，显示所有不同的岩石类型和断层结构。Goldman 说，它可以在收集到这些模型时向这些模型添加新数据，从而使 KoBold 能够“几乎实时”自适应地改变其勘探策略。

加拿大公开提供数据集和其他信息，例如这张激光雷达生成的萨斯喀彻温省图像。

KoBold 已经利用机器学习模型的见解来获取其加拿大采矿权并开发其现场计划。它与斯坦福大学地球资源预测中心的合作从 2 月份开始，以人工智能“决策代理”的形式为混合添加了一个额外的分析层，可以制定整个勘探计划。

负责监督合作的斯坦福大学地球科学家 Jef Caers 解释说，这位数字决策者量化了 KoBold 模型结果中的不确定性，然后设计了一个数据收集计划来依次减少这种不确定性。就像国际象棋选手试图以尽可能少的动作赢得比赛一样，AI 的目标是帮助 KoBold 以最少的精力做出关于潜在客户的决定——无论该决定是在特定地点钻探还是走开。

Guy Desharnais是一位勘探地质学家，曾撰写和讲授机器学习的采矿应用程序，他说使用这些类型的工具一次编译和分析许多数据集具有“巨大的价值”。但 Desharnais 也警告说，关于机器学习是否可以做出直观的飞跃或智能决策，存在“很多警告”。

地质数据通常在空间和时间上都非常不完整，这种不完整以及不一致的数据质量会导致模型锁定错误信号或做出不正确的推断。更重要的是，因为高质量的矿体很少见，地质学家通常没有很多他们正在寻找的正面例子来训练算法来检测类似的矿体。

“归根结底，寻找矿床的真正工作将是一位人类地质学家，他将利用这些工具来提高他们的能力，”Desharnais 说。

很难说机器学习或其他人工智能工具是否正在帮助人类发现他们自己无法发现的东西，Holly Bridgwater说，他是 Unearthed 的勘探地质学家，澳大利亚组织举办黑客马拉松和其他促进创新的努力。资源部门。Bridgwater 解释说，只有少数几个潜在的采矿目标被测试过，因为这个过程非常昂贵。“获得真正有效的积极反馈循环是一个挑战，”她说。

但是，尽管 Bridgwater 怀疑 KoBold 很难证明其工具实际上将矿物发现率提高了 20 倍，但她认为该公司的目标是合理的。“我认为这很有可能，”她说，“因为我们的命中率太低了。”

BloombergNEF 矿业分析师 Ampofo 表示，资金雄厚的科技初创公司进入矿业领域的象征意义可能比 KoBold 发现的任何电池金属都更重要。

德沙奈斯同意。

“我认为像 KoBold 这样的公司将产生的最大影响是他们将引起人们对缺乏投资的关注，”他说。“他们将能够从其他人没有筹集到资金的渠道筹集资金——以获取新数据，或者更新旧数据并实际发现新事物。”