2026-05-27 パシフィック・ノースウェスト国立研究所（PNNL）
米パシフィック・ノースウェスト国立研究所（PNNL）の研究チームは、産業廃棄物から重要鉱物を高効率で回収するAI支援技術を開発した。研究では、リチウムやニッケル、コバルトなどエネルギー技術に不可欠な重要鉱物の抽出条件を、機械学習によって高速最適化した。従来、化学的分離プロセスの最適化には膨大な実験が必要だったが、AIを活用することで回収率と選択性を同時に向上させながら、開発期間を大幅に短縮できたという。研究チームは、溶媒組成や反応条件など多数の変数を解析し、目的元素のみを効率的に分離する条件を予測した。これにより、産業廃棄物や副産物からの資源回収を低コストかつ持続可能に進める可能性が示された。研究成果は、資源循環型社会の実現やサプライチェーン強靱化、クリーンエネルギー材料供給の安定化に寄与すると期待されている。
＜関連情報＞
- https://www.pnnl.gov/news-media/ai-speeds-selective-and-high-yield-recovery-critical-minerals-industrial-waste
- https://pubs.rsc.org/en/content/articlelanding/2026/mh/d6mh00475j
エージェントワークフローは、選択的沈殿 により複雑な原料から重要な材料を回収することを可能にする Agentic workflow enables the recovery of critical materials from complex feedstocks via selective precipitation
Andrew Ritchhart,Sarah I. Allec,Pravalika Butreddy,Krista Kulesa,Qingpu Wang,Dan Thien Nguyen,Maxim Ziatdinov and Elias Nakouzi
Materials Horizons Published:21 May 2026
DOI:https://doi.org/10.1039/D6MH00475J
Abstract
We present a multi-agentic workflow for critical materials recovery that deploys a series of AI agents and automated instruments to recover critical materials from produced water and magnet leachates. This approach achieves selective precipitation from real-world feedstocks using simple chemicals, accelerating the optimization of efficient, adaptable, and scalable separations to a timeline of days, rather than months and years.
