طورت شركة زانسكار Zanskar، ومقرها ولاية يوتا، نماذج تعلم آلي لتحل واحدة من أكبر مشاكل الطاقة الحرارية الأرضية، وهي العثور على المواقع المثالية للحفر.
حيث أدت التكلفة الباهظة للحفر إلى تراجع الطاقة الحرارية الأرضية ضمن أقرانها من التقنيات الأخرى، مثل طاقة الرياح ، حيث أن الكهرباء المنتجة من استخدامها في الولايات المتحدة أقل من 1%.
نماذج زانسكار تحلل كميات هائلة من البيانات للعثور على أفضل المواقع للتنقيب عن الطاقة، وتأمل الشركة أن تقلل نماذجها بشكل كبير من رأس المال اللازم لبناء محطات جديدة.
قال كارل هويلاند، الرئيس التنفيذي للشركة
أعلنت زانسكار أنها جمعت 30 مليون دولار في جولة تمويل من الفئة B بقيادة Obvious Ventures، التي تقدر قيمتها بـ 115 مليون دولار. وبذلك يصل إجمالي استثمارات الشركة إلى 45 مليون دولار.
تعد الطاقة الحرارية الأرضية واعدة لأنها تعتمد على الحرارة القادمة من تحت سطح الأرض، وهي مورد متجدد نظريًا إلى ما لا نهاية. وللاستفادة منها، عليك حفر حفرة عميقة جدًا، ثم إحضار الماء الساخن المضغوط الذي يتحول إلى بخار في أثناء ارتفاعه، ما يزود المحطة بالطاقة.
تقع أغلب التكلفة في هذه العملية في حفر تلك الحفرة، وهو ما يتطلب تمويلا ضخما.
تهدف تقنية زانسكار إلى تحديد مناطق الحفر الصحيحة بدقة، إذ تستخدم البيانات من عدد من المصادر، مثل الأقمار الصناعية والمسوحات الجيولوجية، وحتى المعلومات المجمعة من الأمواج التي تتحرك عبر الأرض بعد وقوع زلزال للتنبؤ بأفضل المواقع للحفر.
وتتحقق الشركة من صحة نماذجها من خلال عمليات الحفر الاستكشافية الخاصة بها، بحيث يتم من خلالها تغذية البيانات لتحسين أداء الذكاء الصناعي.