- USA Rare Earth 與法國公司合作開發稀土元素分離技術。
- 合作計劃利用量子機器學習和自動化實驗室實驗。
- 更有效的提取劑可降低成本並減少環境影響。
- 此次合作旨在提升西方稀土材料供應鏈的競爭力。
USA Rare Earth 與法國量子計算公司 Pasqal 及工業人工智能專家 Riven Systems 合作，旨在開發更有效的稀土元素分離方法。該項目於 9 月 17 日宣佈，將利用量子機器學習和自動化實驗室實驗，識別與稀土元素更有效結合的分子。這些公司希望此方法能促使較小的加工設施運作，從而消耗更少的能源並降低運營成本。該項目針對一個重要的加工缺口，涉及將混合材料轉化為單一氧化物，這些氧化物在先進製造和其他戰略行業中廣泛使用。
中國目前在這一供應鏈環節處於領先地位，尤其是在重稀土元素，如釹、鉺和釔方面。
合作計劃的技術背景
USA Rare Earth 上游運營的高級副總裁 Alex Moyes 表示：「亞洲以外的稀土行業面臨的主要挑戰是將上游操作中生產的混合稀土碳酸鹽 (MREC) 分離為各個獨立的氧化物。」該合作夥伴計劃不再主要依賴耗時的試錯測試，而是創建一個數據驅動的系統以發現提取劑。這些化學分子在加工過程中選擇性地與特定的稀土元素結合，幫助操作員將其從混合原料中分離出來。
更有效的提取劑可減少所需的加工階段數量、設備和原材料的用量。USA Rare Earth 表示，這將降低未來設施的資本和運營成本，同時減少其環境足跡。
實驗室的自動化實驗
根據計劃，Riven Systems 將利用其自駕礦物分離實驗室進行數千項自動化實驗。生成的化學數據將用於訓練機器學習模型，預測不同提取劑與稀土元素的選擇性結合程度。Pasqal 將利用其中性原子量子處理單元，將量子機器學習模型與在經典計算機上運行的模型進行基準測試。這些研究結果將幫助 USA Rare Earth 確定有前景的提取劑以進行進一步測試。「稀土材料至關重要，改善其加工方式的影響遠超過單一行業。」
Pasqal 首席執行官 Wasiq Bokhari 表示。
這些實驗將針對 USA Rare Earth 預期加工的材料進行，包括來自德克薩斯州 Sierra Blanca 的 Round Top 礦牀的原料、第三方混合稀土碳酸鹽及在製造磁鐵過程中產生的回收切屑（稱為 swarf）。最初的機器學習項目最終可能發展為一個整合的提取劑發現管道，涵蓋計算機建模、自動化實驗和物理驗證。在該系統中，Pasqal 的量子機器學習模型將在 Riven 在其自主實驗室中測試高潛力分子之前，識別這些分子。
最有潛力的候選者將在 USA Rare Earth 位於科羅拉多州 Wheat Ridge 的研究與開發設施進行驗證，然後可能被納入公司的加工流程中。「人工智能和自主實驗室是關鍵礦產加工的下一個前沿。」Riven Systems 首席技術官兼聯合創始人 Dr. Orion Archer Cohen 表示。
此次合作結合了美國的稀土和自動化專業知識與法國的量子計算技術，其更廣泛的目標是幫助建立一個更高效和具有競爭力的西方稀土材料供應鏈。
提升稀土供應鏈的全球競爭力
美國在稀土元素的供應鏈中面臨來自中國的激烈競爭，尤其是在重稀土元素的生產上。這項合作不僅利用了量子計算和人工智能技術，還試圖通過數據驅動的方法來提高提取效率。這不僅能降低生產成本，還能減少環境影響，對於美國及其盟友建立更具競爭力的稀土材料供應鏈至關重要。隨著對稀土材料需求的增加，這項技術的成功將可能改變全球市場格局。