Ефективніший видобуток. У США розробляють ШІ-систему для зміцнення постачання критично важливих мінералів

Дослідники Національної лабораторії Скелястих гір (NLR) створюють систему машинного навчання для гірничодобувної галузі США. Вона допомагатиме визначати, де видобувати критично важливі мінерали, як їх переробляти та оптимізувати ланцюги постачання.

Про це пише видання Interesting Engineering.

Проєкт отримав назву CM2US (Critical Minerals and Materials To Unlock Supply). Його мета — створити своєрідний «мозок» для гірничодобувної галузі, який допомагатиме розподіляти ресурси та підвищувати ефективність виробництва.

За словами дослідника обчислювальних наук NLR Раяна Кінга, галузі потрібен більш гнучкий підхід до роботи з критично важливими мінералами. Він пояснив, що обладнання для переробки зазвичай працює десятиліттями без суттєвих змін, тоді як ланцюги постачання та технології змінюються значно швидше.

Сучасні технології залежать від багатьох критично важливих ресурсів, серед яких літій, нікель, кобальт, графіт, рідкісноземельні елементи та мідь. Їхнє постачання може порушуватися через експортні обмеження, стихійні лиха, війни або геополітичні зміни.

Гірничодобувні компанії часто не можуть швидко реагувати на такі виклики, оскільки шахти та переробні підприємства є дорогими об'єктами, розрахованими на багаторічну експлуатацію. Нова система не усуне ризики перебоїв, але може допомогти швидше адаптуватися до них і зменшити їхній вплив.

Кінг зазначив, що з часом високоякісні поклади виснажуються, тому доводиться використовувати руди нижчої якості або враховувати геополітичні потрясіння. Саме тому дослідники шукають рішення на основі штучного інтелекту, які допоможуть зробити виробництво більш гнучким.

Система також має допомагати на етапі розвідки родовищ. Зараз пошук покладів переважно залежить від роботи геологів, але новий інструмент аналізуватиме великі масиви даних і пропонуватиме перспективні варіанти.

Під час переробки руди ШІ зможе в реальному часі оцінювати склад сировини та автоматично коригувати процеси для отримання максимального виходу корисних матеріалів.

Також розробники розглядають можливість адаптації продукції під потреби конкретних замовників. Наприклад, якщо одному клієнту потрібен залізний концентрат із вмістом заліза 68%, а іншому — 72%, система зможе рекомендувати відповідні налаштування переробки.

Раян Кінг пояснив, що команда вивчає можливість створення моделей штучного інтелекту для всіх етапів виробничого процесу. За його словами, незалежно від типу мінералу, більшість завдань для ШІ залишаються подібними.

У перспективі система має допомагати аналізувати весь шлях — від пошуку корисних копалин у надрах до оцінки впливу геополітичних подій на ланцюги постачання. Дослідники вважають, що штучний інтелект може поєднати численні фактори, які людям складно оптимізувати одночасно.

Крім розвідки та видобутку, ШІ може використовуватися для вдосконалення процесів подрібнення, розділення та відновлення сировини, щоб отримувати матеріали з необхідними характеристиками для подальшого виробництва.