2026-05-27アメリカ合衆国・パシフィックノースウェスト国立研究所(PNNL)
米国エネルギー省傘下のPacific Northwest National Laboratory（PNNL）は、産業廃棄物から重要鉱物を高速・高選択的に回収する、AIと自動実験を組み合わせた半自律型システム「CICERO」を開発した。AIエージェントが科学文献や廃棄物の組成情報を基に、回収対象、分離薬品、実験手順、経済性・スケール化の可能性を評価し、96条件の実験計画を1日以内に作成。液体ハンドリングロボットが実験を実行し、得られたデータをAIが解析して次の条件を最適化する。使用済み磁石や石油・ガス採掘の廃水を対象に、ネオジム、プラセオジム、サマリウム、マグネシウムなどの回収を検討した。従来は数カ月から数年を要した分離条件の探索を数日に短縮し、廃棄物を資源へ転換する循環型資源利用の迅速化に貢献すると期待される。
＜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/mh/article/13/14/7008/1222604/Agentic-workflow-enables-the-recovery-of-critical
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;Elias Nakouzi
Materials Horizons Published:21 May 2026
DOI:https://doi.org/10.1039/d6mh00475j
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.
