La estadounidense USA Rare Earth se asocia con la francesa de computación cuántica Pasqal para desarrollar una separación más eficiente de tierras raras

USA Rare Earth se alía con la francesa de computación cuántica Pasqal y el especialista en inteligencia artificial industrial Riven Systems para desarrollar métodos más eficaces de separación de tierras raras. El proyecto, anunciado el 17 de septiembre, utilizará aprendizaje automático cuántico y experimentos de laboratorio automatizados para identificar moléculas que se combinen de forma más eficiente con los elementos de tierras raras. Las empresas esperan que este método permita operar plantas de procesamiento más pequeñas, que consuman menos energía y reduzcan los costes operativos. El proyecto aborda una brecha crítica del procesamiento: la conversión de materiales mezclados en óxidos individuales, muy empleados en manufactura avanzada y otras industrias estratégicas.

China domina actualmente ese eslabón de la cadena de suministro, sobre todo en tierras raras pesadas como el neodimio, el erbio y el itrio.

Contexto técnico del plan de colaboración

Alex Moyes, vicepresidente senior de operaciones upstream de USA Rare Earth, declaró: «El principal desafío al que se enfrenta la industria de las tierras raras fuera de Asia es separar el carbonato mixto de tierras raras (MREC) producido en operaciones upstream en cada uno de los óxidos individuales». En lugar de apoyarse principalmente en pruebas de ensayo y error, que consumen mucho tiempo, el plan de los socios consiste en crear un sistema basado en datos para descubrir agentes extractores. Estas moléculas químicas se unen selectivamente a elementos concretos de tierras raras durante el procesamiento, ayudando a los operarios a separarlos de la materia prima mezclada.

Unos agentes extractores más eficaces pueden reducir el número de etapas de procesamiento, los equipos y las materias primas necesarios. USA Rare Earth asegura que esto rebajará los costes de capital y operativos de futuras instalaciones, al tiempo que disminuirá su huella ambiental.

Experimentos automatizados en el laboratorio

Según el plan, Riven Systems llevará a cabo miles de experimentos automatizados en su laboratorio autónomo de separación de minerales. Los datos químicos generados se utilizarán para entrenar modelos de aprendizaje automático que predigan con qué intensidad se combinan distintos agentes extractores con los elementos de tierras raras. Pasqal empleará sus unidades de procesamiento cuántico de átomos neutros para comparar el rendimiento de sus modelos de aprendizaje automático cuántico con el de modelos ejecutados en computadoras clásicas. Los resultados ayudarán a USA Rare Earth a identificar agentes extractores prometedores para pruebas adicionales. «Los materiales de tierras raras son esenciales, y mejorar la forma en que se procesan tiene repercusiones que van mucho más allá de un solo sector».

Afirmó Wasiq Bokhari, director ejecutivo de Pasqal.

Los experimentos se centrarán en los materiales que USA Rare Earth prevé procesar, incluido el mineral del yacimiento Round Top, en Sierra Blanca (Texas), carbonatos mixtos de tierras raras de terceros y virutas recicladas (conocidas como swarf) generadas durante la fabricación de imanes. Los proyectos iniciales de aprendizaje automático podrían evolucionar hasta convertirse en un pipeline integrado de descubrimiento de agentes extractores, que abarcaría modelado computacional, experimentos automatizados y validación física. Dentro de este sistema, los modelos de aprendizaje automático cuántico de Pasqal identificarán las moléculas de alto potencial antes de que Riven las pruebe en su laboratorio autónomo.

Los candidatos con mayor potencial se validarán en las instalaciones de investigación y desarrollo de USA Rare Earth en Wheat Ridge, Colorado, y podrían incorporarse posteriormente al flujo de procesamiento de la compañía. «La inteligencia artificial y los laboratorios autónomos son la próxima frontera del procesamiento de minerales críticos», declaró el Dr. Orion Archer Cohen, director de tecnología y cofundador de Riven Systems.

Esta colaboración combina la experiencia estadounidense en tierras raras y automatización con la tecnología francesa de computación cuántica, y su objetivo más amplio es contribuir a construir una cadena occidental de suministro de materiales de tierras raras más eficiente y competitiva.

Reforzar la competitividad global de la cadena de suministro de tierras raras

Estados Unidos hace frente a una intensa competencia de China en la cadena de suministro de tierras raras, especialmente en la producción de tierras raras pesadas. Esta colaboración no solo recurre a la computación cuántica y la inteligencia artificial, sino que también busca mejorar la eficiencia de la extracción mediante un enfoque basado en datos. Esto permitiría reducir los costes de producción y el impacto ambiental, algo esencial para que Estados Unidos y sus aliados construyan una cadena de suministro de materiales de tierras raras más competitiva. A medida que crece la demanda de estos materiales, el éxito de esta tecnología podría transformar el panorama del mercado mundial.