سه شرکت فعال در حوزه عناصر نادر خاکی، هوش مصنوعی و رایانش کوانتومی، پروژه‌ای مشترک برای توسعه فناوری نسل جدید جداسازی عناصر نادر خاکی آغاز کردند.
به گزارش روابط عمومی شرکت صدر معادن ایرانیان، شرکت آمریکایی USA Rare Earth، شرکت فرانسوی Pasqal فعال در حوزه رایانش کوانتومی و شرکت Riven Systems متخصص هوش مصنوعی صنعتی، از ایجاد یک همکاری راهبردی برای توسعه فناوری‌های نسل جدید فرآوری و جداسازی عناصر نادر خاکی خبر دادند؛ پروژه‌ای که قرار است با استفاده از یادگیری ماشین کوانتومی، فرآیند شناسایی مواد شیمیایی جدید برای جداسازی عناصر نادر خاکی را سریع‌تر و کم‌هزینه‌تر کند.
بر اساس این همکاری، Riven Systems از آزمایشگاه خودکار خود برای انجام هزاران آزمایش و تولید داده‌های مورد نیاز جهت آموزش مدل‌های یادگیری ماشین استفاده خواهد کرد. هدف این مدل‌ها، شناسایی و پیش‌بینی عملکرد مواد استخراج‌کننده‌ای است که می‌توانند عناصر نادر خاکی را با کارایی بیشتری از روش‌های موجود جدا کنند.
در مرحله بعد، Pasqal از پردازنده رایانش کوانتومی مبتنی بر فناوری «اتم‌های خنثی» برای مقایسه عملکرد مدل‌های یادگیری ماشین کوانتومی با مدل‌های مبتنی بر رایانش کلاسیک استفاده خواهد کرد. نتایج این فرآیند در اختیار USA Rare Earth قرار می‌گیرد تا انتخاب مواد استخراج‌کننده مناسب برای فرآیندهای فرآوری این شرکت بهینه شود.
یکی از مهم‌ترین چالش‌های صنعت عناصر نادر خاکی، تبدیل کربنات مخلوط عناصر نادر خاکی به اکسیدهای منفرد و تفکیک‌شده است. بر اساس گزارش Mining Weekly، این توانمندی به‌ویژه در مورد عناصر نادر خاکی سنگین مانند دیسپروزیم، تربیوم و ایتریم اهمیت دارد.
الکس مویس، معاون ارشد بخش بالادستی USA Rare Earth، با اشاره به این چالش گفت هدف این همکاری، کوتاه‌کردن مسیر دستیابی به راهکارهای کارآمد، رقابتی و پایدار از طریق تغییر شیوه کشف مواد شیمیایی مورد استفاده در فرآیندهای جداسازی است؛ رویکردی که می‌تواند جایگزین سال‌ها آزمون و خطای آزمایشگاهی شود.
طرف‌های این همکاری معتقدند کشف سریع‌تر ماده استخراج‌کننده‌ای که متناسب با فرآیندهای اختصاصی USA Rare Earth طراحی شده باشد، می‌تواند به کاهش هزینه‌های سرمایه‌ای و عملیاتی منجر شود.
کاهش تعداد مراحل فرآوری، نیاز به تجهیزات و مصرف مواد اولیه از جمله نتایج مورد انتظار این فناوری است. همچنین، کاهش مصرف انرژی و مواد می‌تواند به کاهش ردپای کربنی و اثرات زیست‌محیطی تأسیسات فرآوری کمک کند.
پروژه جدید قرار است بر خوراک‌های مورد استفاده USA Rare Earth متمرکز باشد؛ از جمله مواد حاصل از معدن Round Top در نزدیکی سیرا بلانکا در ایالت تگزاس آمریکا.
همچنین مواد کربنات مخلوط عناصر نادر خاکی تأمین‌شده از طرف‌های ثالث و ضایعات بازیافتی حاصل از فرآیند تولید آهنربا، موسوم به Swarf، در دامنه این مطالعات قرار خواهند گرفت. به گفته طرف‌های پروژه، تمرکز بر این خوراک‌ها می‌تواند نتایج آزمایش‌ها را به بخش‌های مختلف فرآیند فرآوری مواد USA Rare Earth مرتبط کند.
شرکت‌ها در چشم‌انداز بلندمدت خود، ایجاد یک فرآیند یکپارچه و از ابتدا تا انتها برای کشف مواد استخراج‌کننده را دنبال می‌کنند.
در این مدل، یک مدل یادگیری ماشین کوانتومی ابتدا مواد دارای ظرفیت بالا را شناسایی می‌کند؛ سپس این گزینه‌ها در آزمایشگاه خودکار Riven مورد آزمایش قرار می‌گیرند و نمونه‌های منتخب در مرکز تحقیق و توسعه USA Rare Earth در وِیت ریج، کلرادو اعتبارسنجی خواهند شد. در صورت موفقیت، مواد منتخب در فرآیندهای صنعتی این شرکت مورد استفاده قرار می‌گیرند.
Wasiq Bokhari، مدیرعامل Pasqal، این همکاری را ترکیبی از توانمندی‌های فرانسه و آمریکا در دو حوزه راهبردی مواد معدنی حیاتی و رایانش کوانتومی دانست و گفت بهبود فرآوری عناصر نادر خاکی می‌تواند فراتر از یک صنعت خاص اهمیت داشته باشد.
همچنین Orion Archer Cohen، یکی از بنیان‌گذاران و مدیر فناوری Riven، هوش مصنوعی و آزمایشگاه‌های خودکار را یکی از مسیرهای آینده فرآوری مواد معدنی حیاتی دانست و این همکاری را نمونه‌ای از کاربرد فناوری‌های پیشرفته محاسباتی در توسعه سریع‌تر فرآیندهای صنعتی عنوان کرد.
بر اساس اعلام سه شرکت، پروژه اولیه یادگیری ماشین می‌تواند زمینه را برای همکاری گسترده‌تر در آینده و توسعه فناوری‌های جدید برای کاهش هزینه، مصرف انرژی و پیچیدگی فرآوری عناصر نادر خاکی فراهم کند.