Laserspektroskopian ja tekoälyn hyödyntäminen alkuaineanalyyseissä
S
atakunnan ammattikorkeakoulun (SAMK) RoboAI tutkimus- ja tuotekehityskeskuksessa toimiva RoboAI Green -tiimi keskittyy tutkimuksessaan teknologiametallien ja akkumateriaalien kiertotalouteen. Tutkimuksen tavoitteena on kehittää menetelmiä materiaalien tehokkaaseen ja turvalliseen tunnistukseen ja erotteluun. Menetelminä tutkimuksessa käytetään mm. laserspektroskopiaa, tekoälyä, konenäköä ja robotiikkaa yhteistyössä sisartiimin RoboAI Industryn sekä muiden SAMKin osaajien kanssa. Tiimin toiminnan pohja luotiin RoboAI Green -hankkeessa, jossa Prizztech Oy ja SAMK ryhtyivät kehittämään Satakunnalle järjestelmällistä tapaa tukea teknologiametallien kiertotalouden kokeiluja ja liiketoimintaa sekä parantaa alueen metallurgista osaamista. Hankkeessa toteutettiin useita käytännön pilotteja, joista yhtenä kohokohtana mainittakoon laserspektroskopialaitteiden kehittäminen. Tavoitteena oli palvella alueen yrityksiä kiinteiden ja sulien metallien alkuaineanalyysissä. Tärkeä tutkimuksen painopiste oli laserspektroskopian ja SAMKin vahvan tekoälyosaamisen yhdistäminen. Hankkeessa käynnistettiin tutkimus sen selvittämiseksi, voisiko tekoälyllä korvata asiantuntijat spektrien analysoinnissa. Työssä on riittänyt haasteita, ja menetelmän kehittämistä on jatkettu edelleen eri näkökulmista. – Hankkeen myötä RoboAI Green -tiimi sai vahvan startin. Tällä hetkellä noin 10 tutkijaa työskentelee tiimissä, tutkimuspäällikkö Pekka Suominen kertoo. Tutkimuksen painopisteenä on laserspektrometrin ja tekoälymenetelmien kehittäminen sekä akkujen kiertotalouden edistäminen uusien tunnistusmenetelmien avulla. – Tutkimus keskittyy tällä hetkellä sulan metallin ja akkumateriaalien online-analy-
50
Ensimmäinen laserspektroskopialaitteisto kehitettiin RoboAI Green -hankkeessa, jossa kertynyttä osaamista on hyödynnetty uusissa tutkimushankkeissa.
sointiin. Kierrätysmateriaalien käytön edistämiseksi on tärkeää tunnistaa alkuainepitoisuuksia mahdollisimman tarkasti. On kyettävä tunnistamaan niin arvokkaita alkuaineita kuin haitta-aineitakin, jotka voisivat pilata jatkojalostusprosessin, Suominen jatkaa.
Laserspektroskopia akkumateriaalien tunnistamisessa AIST-hankkeessa (A novel AI-based Spectroscopic Technique and a future-ready research laboratory for recycling of battery materials) selvitetään, pystyykö tekoälyyn pohjautuva laserspektroskooppinen menetelmä tunnistamaan ja lajittelemaan akkumateriaaleja niin hyvin, että menetelmää olisi mahdollista soveltaa teollisuuden pro-
sessien valvontaan ja säätöön. Hankkeessa on kaksi pääkysymystä. Ensimmäinen askel on selvittää, saadaanko itse kehitetyllä laserspektrometrillä tuotetuksi akkumateriaaleista luotettavaa dataa tekoälymallille. Koska on vaikeaa saada mitattavaksi tekoälymallin kehittämiseen tarvittavia satoja tai tuhansia erilaisia näytteitä, hankkeessa käytetään myös simuloitua dataa tekoälymallin opetukseen. Suuri datamäärä on tarpeen, jotta menetelmä olisi hyödynnettävissä laajasti myös sellaisille akkunäytteille, joilla laserspektroskooppia ei ole kalibroitu. Laaja ja monipuolinen datapohja on edellytyksenä sille, että akkumateriaaleja tai niiden sisältämiä tiettyjä alkuaineita ja niiden koostumuksia olisi mahdollista tunnistaa erilaisissa materiaalimatriiseissa. Jotta simuloitu spektridata olisi hyödyllistä, sen tulisi olla ”kuin kokeellinen data”. Riittävän hyvän mallin kehittäminen onkin toinen oleellinen osa työtä. – Hankkeessa työskentelevät tutkijat ovat saaneet viritetyksi laserspektrometrin ja datankäsittelyn sellaiseen tarkkuustasoon, että järjestelmämme pärjää kaupallisille kannettaville laserspektrometrien malleille. Koostumuksen analysoinnissa pääsemme laserspektroskoopin suorituskyvyn puolesta tällä hetkellä muutaman prosentin tarkkuustasoon. Vielä riittää siis kehitettävää akkumateriaalien analysointia ajatellen. – Haasteita tuottavat näytteiden heterogeenisuus, epätasaisuus ja muut reaalimaailman tekijät. Kuitenkin näiden samojen haasteiden ratkaiseminen toisi järjestelmän lähemmäksi teollista hyödynnettävyyttä. Ja ratkaisujen etsimiseen tutkijoillamme on myös todella sekä intoa että osaamista, hankkeen projektipäällikkö Johanna Valio kiittelee. Hankkeessa työskentelee RoboAI Green -tiimin tutkijoiden lisäksi post doc -tutkija Oulun yliopiston Kestävän kemian tutkimusyksiköstä sekä väitöskirjatutkija Tam-
MATERIA 3 – 2024
Materia 3_24.indd 50
18.6.2024 13.27